Pandas技术问题：如何筛选人口总和刚超220万的马德里城市子集？

咱们先理清你遇到的问题：你写的madrid[madrid['Población(2017)'].sum() > 2178000]逻辑有误——这个表达式先计算了整列的人口总和，得到一个单一的布尔值（比如True），然后你试图用这个布尔值去索引DataFrame的行，但DataFrame的行索引并不是布尔值，所以才会抛出KeyError: True的错误。

你的核心需求是筛选一组城市，让它们的人口总和刚超过220万（看你代码里写的是2178000，可根据实际目标调整），正确的思路应该是先按人口从多到少排序，再逐步累加人口，找到第一个累加和超过目标值的节点，最后取出对应的城市集合。

具体实现代码 #

import pandas as pd
from unicodedata import normalize

# 读取并预处理数据（保留你的原有代码）
df = pd.read_html('https://es.wikipedia.org/wiki/Anexo:Municipios_de_la_Comunidad_de_Madrid')
madrid = df[0]
madrid['Población(2017)'] = madrid['Población(2017)'].apply(lambda x:normalize('NFKD', x)).str.replace(' ','')
madrid['Población(2017)'] = pd.to_numeric(madrid['Población(2017)'])

# 1. 按人口降序排序，优先选择人口多的城市（最快达到目标总和）
madrid_sorted = madrid.sort_values('Población(2017)', ascending=False)

# 2. 计算累计人口和，直观看到每一步的总和变化
madrid_sorted['累计人口'] = madrid_sorted['Población(2017)'].cumsum()

# 3. 设定目标值，找到首次超过目标的城市位置
目标人口 = 2200000  # 可替换为你需要的2178000
# 获取第一个累计人口超过目标的行索引
首次超过索引 = madrid_sorted[madrid_sorted['累计人口'] > 目标人口].index[0]

# 4. 筛选出从第一个城市到该索引的所有城市
选中的城市 = madrid_sorted.loc[:首次超过索引]

# 查看结果
print("选中城市的人口总和：", 选中的城市['Población(2017)'].sum())
print(选中的城市[['Municipio', 'Población(2017)', '累计人口']])

代码逻辑说明 #

• 降序排序：优先选人口多的城市，能以最少的城市数量达到目标总和，这是最符合"刚超过"需求的常规解法。
• 累计人口计算：通过cumsum()生成每行的累计人口，方便我们追踪总和的动态变化。
• 定位节点：用布尔索引找到第一个累计人口超过目标的行，取到该行的所有城市，就能得到总和刚超过目标的最小城市集合。

补充提示 #

如果你想要的是所有可能的城市组合中总和刚超过220万，那这属于子集和问题，实现起来会复杂很多（需要回溯或动态规划），但通常这类需求都是指向"用最少城市数量达到目标"，上面的代码完全可以满足这个场景。

内容的提问来源于stack exchange，提问作者Juan Luis Chulilla