大数据集运行报index 0越界错误但小数据集正常是何原因

编写统计真假视频数量的函数时出现异常：小数据集测试可正常输出结果，切换为大数据集运行时触发索引越界错误，报错触发位置为遍历数据集路径、提取视频文件名后匹配标签表对应类别的代码行。

核心报错提示：

IndexError: index 0 is out of bounds for axis 0 with size 0

对应报错代码段：

def number_of_real_and_fake_videos(data_list):
  for i in data_list:
    temp_video = i.split('/')[-1]
    label = lab.iloc[(labels.loc[labels["file"] == temp_video].index.values[0]),1]
    if(label == 'FAKE'):
      fake+=1

• 报错直接逻辑：执行labels.loc[labels["file"] == temp_video].index.values[0]时，标签匹配返回的结果是空数组，长度为0，取索引为0的元素时必然触发越界。
• 小数据集运行正常的原因：测试用的小数据集中，所有遍历到的视频文件名都和标签表file列的条目完全匹配，每次匹配都能返回非空结果，不会触发索引越界。
• 大数据集触发错误的常见诱因：
  • 大数据集内混入了标签表未收录的额外视频文件，遍历到这类文件时无法匹配到对应标签
  • 大数据集内部分文件名存在格式差异，比如大小写不统一、多了隐藏后缀、特殊字符编码不一致，导致精确匹配失败
  • 大数据集内存在路径格式特殊的文件，用split('/')[-1]提取文件名时拿到的不是预期的纯文件名，和标签表存储的文件名无法对应
  • 标签表本身存在条目缺失，数据量变大后刚好覆盖到了缺失标签的文件

内容的提问来源于stack exchange，提问作者MANIK GANDOTRA