多列DataFrame处理连续1计数触发KeyError:-1的原因与解决方法

需求说明 #

需将DataFrame中连续的1转换为递增数值（连续的1依次变为1、2、3…，0保持不变），示例如下：

输入DataFrame #

print(df)
Out[1]: 
    Numbers
0         0
1         1
2         1
3         1
4         1
5         0
6         0
7         1
8         0
9         1
10        1

期望输出 #

print(dfo)
Out[2]: 
    Numbers
0         0
1         1
2         2
3         3
4         4
5         0
6         0
7         1
8         0
9         1
10        2

当前问题 #

通过嵌套循环结合loc判断逻辑实现时，单列DataFrame可正常运行，但扩展至多列DataFrame时触发KeyError: -1，报错信息如下：

File "C:\Users\talls\.conda\envs\Spyder\lib\site-packages\pandas\core\indexes\range.py", line 393, in get_loc
    raise KeyError(key) from err

KeyError: -1

问题解答 #

1. 错误产生的原因 #

核心问题是**loc是标签索引，而默认RangeIndex（行索引从0开始）不支持-1作为标签**。
你的循环逻辑中大概率存在类似df.loc[i-1, col]的代码：当处理某一列的第一行（i=0）且该值为1时，会尝试访问标签为-1的行，但RangeIndex的标签只有0、1、2...，没有-1，因此触发KeyError。单列时可能刚好第一行是0，不需要访问前一行，所以没报错；多列时总有列的第一行是1，触发了这个问题。

2. 修复方案 #

有两种简单的修复思路：

• 边界判断+标签索引：在访问前一行前先检查i是否大于0，避免出现i-1=-1的情况，示例逻辑如下：

  for col in df.columns:
      count = 0
      for i in range(len(df)):
          if df.loc[i, col] == 1:
              # 第一行的1直接初始化为1，否则前一行是1则递增计数
              if i == 0 or df.loc[i-1, col] != 1:
                  count = 1
              else:
                  count += 1
              df.loc[i, col] = count
          else:
              count = 0
  

• 改用位置索引iloc：iloc支持通过位置偏移访问行，iloc[i-1]可正确获取前一行，但同样需要配合边界判断避免逻辑错误。

3. 更优实现方式 #

嵌套循环效率极低（尤其是大数据量场景），推荐用pandas矢量化操作，无需循环即可实现需求：

def process_col(col):
    # 生成分组键：当值从非1变为1时，分组ID递增
    groups = (col != 1).cumsum()
    # 对每个分组内的1进行累计计数，0保持不变
    return col.where(col == 0, col.groupby(groups).cumcount() + 1)

# 对所有列应用处理函数
dfo = df.apply(process_col)

这个方法利用cumsum()生成连续1的分组，再通过groupby().cumcount()实现组内递增计数，完全矢量化，性能比循环提升几个数量级，同时天然支持多列处理。

内容的提问来源于stack exchange，提问作者iona negrea