Pandas分组聚合计算占比时触发KeyError: 'sum'报错求解

你怀疑的占比计算行本身写法没有语法问题，报错根源在前置的total_count生成逻辑，合并后的结果集里根本不存在sum列，取数时才会触发键错误。

具体错误逻辑 #

• 第一部分分组统计用.size()实现，返回的是记录分组计数的单值Series，转成DataFrame后默认列名为0，因此重命名为count的操作可以正常生效。
• 第二部分分组直接调用.sum()时，Pandas会默认对所有非分组键的数值列做聚合求和，返回结果中不存在列名为0的列，你写的.rename(columns={0: 'sum'})没有匹配到任何目标列，自然不会生成预期的sum列。后续左连接时，total_count仅携带category字段和原数据的其他数值列，没有你需要的分组总数字段，执行apply逻辑取x['sum']时就会触发KeyError。

修复后代码 #

def conversion(self, data):
    result = data.groupby(['category', 'pred']).size().rename('count').reset_index()
    # 修复：统计每个类别的总样本数，和第一处逻辑一致用size()计数，直接重命名列即可
    total_count = data.groupby(['category']).size().rename('sum').reset_index()
    result = pd.merge(result, total_count, how='left', on=['category'])
    # 优化：直接用向量运算替代apply+lambda，性能更高
    result['percentage'] = result['count'] / result['sum'] * 100
    result['CategoryID'] = result['category'].replace({'En': 1, 'Go': 2, 'So': 3})
    return result

写法优化说明 #

• 分组聚合返回的Series可以直接通过.rename('目标列名')指定聚合结果的列名，不需要先转成DataFrame再重命名默认的0列，代码更简洁。
• Pandas列级算术运算直接走原生向量计算，相比逐行执行的apply效率高1~2个数量级，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者user3027695