处理KeyError：marketCap列无数据时填充Null并让代码持续运行

针对你遇到的KeyError: "['marketCap'] not in index"错误，核心原因是部分股票的返回数据中没有marketCap字段，导致DataFrame缺少对应列。下面是修改后的代码，既能自动填充空值，又能保证程序不中断：

import pandas as pd
from yahooquery import Ticker

symbols = ['MSFT','GOOG','AAPL'] # 替换为你的75000+代码列表
header = ["regularMarketPrice", "marketCap"]

for tick in symbols:
    try:
        faang = Ticker(tick)
        price_data = faang.price
        
        # 处理无返回数据的情况
        if not price_data:
            df = pd.DataFrame(index=[tick], columns=header)
        else:
            df = pd.DataFrame(price_data).T
            # 强制对齐所需列，缺失列自动填充NaN
            df = df.reindex(columns=header)
        
        # 追加到CSV文件
        df.to_csv('output.csv', mode='a', index=True, header=False, columns=header)
    
    # 捕获所有异常，避免单个股票出错中断整个循环
    except Exception as e:
        print(f"处理代码 {tick} 时出错: {str(e)}")
        # 可选：出错时写入空值行，保证数据完整性
        error_row = pd.DataFrame([[pd.NA, pd.NA]], index=[tick], columns=header)
        error_row.to_csv('output.csv', mode='a', index=True, header=False, columns=header)

关键优化点 #

• 异常捕获：用try-except包裹单条股票的处理逻辑，某只股票出错时仅打印错误信息，程序继续运行
• 列对齐：使用reindex(columns=header)确保DataFrame始终包含你需要的列，缺失字段自动填充NaN
• 空数据处理：提前检查price_data是否为空，避免空字典转DataFrame时出现异常
• 可选错误行写入：出错时主动写入空值行，保证输出CSV的行数与股票代码数量对应，方便后续核对

内容的提问来源于stack exchange，提问作者HTMLHelpMe