pandas按name列筛选DataFrame正常，按sn列筛选报KeyError如何修复

执行df.set_index('sn', inplace=True)代码时，pandas默认会将sn列从普通数据列移除，设置为DataFrame的行索引。此时sn不属于df.columns的列集合，因此使用列取值语法df['sn']时，pandas无法在列中找到对应字段，直接抛出KeyError: 'sn'异常。
name字段始终是普通数据列，从未被设置为索引，因此df['name']的取值逻辑可以正常运行。

排查这类列不存在的KeyError时，可以先执行print(df.columns)查看当前所有有效列名，执行print(df.index)确认当前索引内容，快速定位问题。

根据实际使用场景，任选以下一种方案即可：

• 方案1：直接按行索引做筛选，不需要取列
  针对索引做等值匹配可以直接用.loc定位，代码如下：

  # 匹配索引值为'016'的行
  df.loc[df.index == '016']
  

  纯等值匹配场景可以简化写法，直接传入索引值列表：df.loc[['016']]
• 方案2：设置索引时保留原sn列
  如果既需要用sn做索引，又需要保留该列做筛选，可以在set_index时传入drop=False参数：

  # 重新设置索引，设置时保留sn作为普通列
  df.set_index('sn', inplace=True, drop=False)
  # 后续即可正常使用列筛选语法
  df[df['sn'] == '016']
  

• 方案3：将索引重置为普通列后再筛选
  如果不需要sn作为行索引，可以直接重置索引，把sn转回普通数据列：

  # 重置索引，sn恢复为普通列
  df.reset_index(inplace=True)
  # 执行原筛选语句即可正常运行
  df[df['sn'] == '016']
  

内容的提问来源于stack exchange，提问作者JJJohn