Python运行PubMed爬取数据清洗脚本报KeyError:412如何解决

该报错与PubMed API变更无关联，属于pandas DataFrame索引使用不当导致的问题。

问题根因 #

• 你的循环逻辑写死了遍历范围range(0, 5583)，用.at[y, 'AuthorCount']按整数索引逐行取值，但清洗后的dfdrop行索引不是从0开始连续排列的整数序列。
• 你在之前的清洗步骤中执行过删除行操作（去重、删空值、过滤无效条目等），被删除行对应的索引不会自动补齐重排，当循环遍历到y=412时，该索引对应的行已经在之前的清洗步骤中被移除，pandas无法找到匹配的行因此抛出KeyError。
• 从报错回溯栈可以确认，异常完全触发在pandas内部的索引查找逻辑中，根本没有走到API请求/响应解析的链路，因此和API变更无关。如果是API变更导致的问题，报错会出现在爬取请求、返回内容解析阶段，不会延迟到DataFrame取值环节。

修复方案 #

方案1：最小改动适配原有循环逻辑 #

在执行统计循环前，先对清洗后的DataFrame重置索引，丢弃原有不连续的旧索引：

# 放在循环统计逻辑的前面执行
dfdrop = dfdrop.reset_index(drop=True)

执行后dfdrop的行索引会重新生成为从0开始的连续整数，和range生成的遍历值完全匹配，不会再出现索引找不到的问题。

方案2：替换手动循环为pandas原生统计逻辑（推荐） #

你这段代码的核心逻辑是统计AuthorCount列值等于i的条目占比，完全不需要写手动逐行循环，用pandas自带的向量化运算效率更高，也不会出现索引匹配问题，还不用硬编码总数据条数：

# 直接替换原有的x初始化、for循环计数的整段代码
x = round((dfdrop['AuthorCount'] == i).mean(), 2)

提示：硬编码总长度5583是不好的编码习惯，后续如果调整清洗规则增减数据行数，你还得手动改这个数值，很容易出统计偏差。

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