遍历两个pandas DataFrame匹配赋值时触发KeyError报错求解

• 循环索引逻辑完全错误：for i in df_1['location_name']遍历得到的i是列里的具体值（比如触发报错的Afghanistan就是第一个国家名），不是DataFrame的行位置/行标签。后续写df_1['location_name'][i]时，pandas会把这个字符串当成行索引键查找，而你的行索引默认是从0开始的整数，自然找不到对应键抛出KeyError。
• 手写三层嵌套循环效率极低，数据量稍大就会卡顿，pandas原生提供表关联接口，不需要手写循环做字段匹配。
• 取值逻辑错误：代码里df_2.iloc[len(k),4 + len(k)]用字符串长度len(k)当行号、列偏移量，完全不可能定位到正确的GDP单元格。

你的需求本质是两个表按「国家名+年份」做关联匹配，直接用pandas内置的表关联方法即可，不需要写循环：

import pandas as pd

# 1. 先把df_2从宽表转为长表：原本每一列对应一个年份的GDP，转完后每一行对应「国家+年份+GDP值」
df_2_long = df_2.melt(
    id_vars=["Country Name"],
    value_vars=df_2.columns[4:],  # df_2前4列是国家属性，从第5列开始是各年份GDP
    var_name="year",
    value_name="GDP"
)
# 统一年份列类型，和df_1的年份字段类型保持一致，避免类型不匹配导致关联失败
df_2_long["year"] = df_2_long["year"].astype(int)  # 按你df_1的年份实际类型调整，比如字符串就改str

# 2. 关联两个表，把GDP匹配到df_1
# 注意：如果你的df_1里年份列名不是year，把下面left_on里的'year'改成你实际的列名
df_1 = df_1.merge(
    df_2_long[["Country Name", "year", "GDP"]],
    left_on=["location_name", "year"],
    right_on=["Country Name", "year"],
    how="left"  # 左连接保留df_1所有行，匹配不到GDP的行自动填充NaN
)

# 删掉关联产生的冗余列
df_1.drop(columns=["Country Name"], inplace=True)

如果你只需要匹配某一个固定年份的GDP，不需要转长表，直接做映射即可，比如匹配2020年GDP：

# 构建国家到对应年份GDP的映射字典
gdp_2020_map = df_2.set_index("Country Name")["2020"].to_dict()
# 直接批量赋值，效率远高于循环
df_1["GDP"] = df_1["location_name"].map(gdp_2020_map)

内容的提问来源于stack exchange，提问作者RafiP