Pandas入门者求助：GroupBy后薪资均值最值计算及KeyError问题

核心原因 #

你遇到的KeyError是因为分组后的Series转CSV再转回DataFrame时，列名或索引的格式发生了变化，导致你指定的job_title和salary_in_usd列不存在。

分步排查与修复 #

1. 先确认当前DataFrame的列名

执行以下代码，查看df_two实际的列名：

print(df_two.columns)

通常会出现两种情况：

• 列名是['Unnamed: 0', 'salary_in_usd']：说明分组后的Series索引（即job_title）被存成了无列名的第一列
• 只有salary_in_usd一列：说明保存CSV时没把索引写入，丢失了job_title数据

2. 修复CSV中转的格式问题

如果一定要用CSV中转，调整保存和读取的代码：

# 分组计算均值（假设原始数据为df）
salary_mean = df.groupby('job_title')['salary_in_usd'].mean()

# 保存CSV时，指定索引列的名称为job_title
salary_mean.to_csv('mean_salary.csv', index_label='job_title')

# 读取CSV，此时列名就是job_title和salary_in_usd
df_two = pd.read_csv('mean_salary.csv')

# 现在可以正常取列
test = df_two.loc[:, ['job_title', 'salary_in_usd']]

3. 更高效的方案（无需CSV中转）

其实完全不用绕CSV，直接把分组后的Series转为DataFrame即可，避免格式问题：

# 分组计算均值并直接转为DataFrame
df_two = df.groupby('job_title')['salary_in_usd'].mean().reset_index(name='salary_in_usd')

# 正常取列
test = df_two.loc[:, ['job_title', 'salary_in_usd']]

# 直接找薪资均值的最高/最低值及对应职位
max_mean_row = df_two.loc[df_two['salary_in_usd'].idxmax()]
min_mean_row = df_two.loc[df_two['salary_in_usd'].idxmin()]

print(f"最高薪资均值职位：{max_mean_row['job_title']}，薪资：{max_mean_row['salary_in_usd']}")
print(f"最低薪资均值职位：{min_mean_row['job_title']}，薪资：{min_mean_row['salary_in_usd']}")

补充说明 #

分组后得到的Series结构是：索引为job_title，值为薪资均值，列名为salary_in_usd。直接用reset_index()可以把索引转为普通列，同时给均值列指定明确名称，这是最稳妥的方式。

内容的提问来源于stack exchange，提问作者Jean-Paul Azzopardi