pandas调用value_counts()未找到目标值时如何赋值0规避KeyError

我有如下结构的DataFrame列：

group
A
A
A
B
B
C

列中的值C有时存在、有时不存在。当C存在时以下代码可正常运行，但如果该列未出现C，就会抛出KeyError：

value_counts = df.group.value_counts()
new_df["C"] = value_counts.C

我需要实现逻辑：检查C是否存在对应的频次统计结果，若不存在则为new_df["C"]赋值0。我尝试编写了如下判断代码但依然会触发KeyError，求可行解决方法：

value_counts = df.group.value_counts()
new_df["C"] = value_counts.C
if (df.group.value_counts()['consents']):
  new_df["C"] = value_counts.consents
else:
  new_df["C"] = 0

原代码报错有两个核心问题：

1. 还没做存在性判断，就先执行了new_df["C"] = value_counts.C，C不存在时这行直接抛出KeyError，后续判断逻辑根本不会运行
2. 判断条件里查找的键是'consents'，和实际需要统计的C不匹配，即使走到判断分支也会取错值

• 方案1（最简洁）：使用Series的get()方法，直接指定键不存在时的默认返回值，不需要额外写分支判断

value_counts = df.group.value_counts()
# 存在"C"则返回对应计数，不存在直接返回0
new_df["C"] = value_counts.get("C", 0)

• 方案2：先判断目标值是否在计数结果的索引中，再分支赋值

value_counts = df.group.value_counts()
new_df["C"] = value_counts["C"] if "C" in value_counts.index else 0

• 方案3：使用reindex方法填充缺失值，适合需要同时取多个分组计数的场景

value_counts = df.group.value_counts()
# 重新索引指定要取的分组，缺失值自动填0
count_c = value_counts.reindex(["C"], fill_value=0).iloc[0]
new_df["C"] = count_c

内容的提问来源于stack exchange，提问作者user12270555