pandas使用loc按条件筛选行选列时触发KeyError的解决方法

• 需求：获取数据集第13列至第21列的全部数据，筛选第1列is_canceled取值为1的行，将两类数据做对比
• 已排查项：字段名前后空格问题，排查后仍触发报错

出错代码 #

hotel_bookings.loc[hotel_bookings.is_canceled==1,hotel_bookings.country]

报错信息 #

KeyError                                  Traceback (most recent call last)
<ipython-input-148-91ca78d709e4> in <module>()
----> 1 hotel_bookings.loc[hotel_bookings.is_canceled==1,hotel_bookings.country]

6 frames
/usr/local/lib/python3.7/dist-packages/pandas/core/indexing.py in _validate_read_indexer(self, key, indexer, axis)
   1372                 if use_interval_msg:
   1373                     key = list(key)
-> 1374                 raise KeyError(f"None of [{key}] are in the [{axis_name}]")
   1375 
   1376             not_found = list(ensure_index(key)[missing_mask.nonzero()[0]].unique())

KeyError: "None of [Index(['PRT', 'PRT', 'GBR', 'GBR', 'GBR', 'GBR', 'PRT', 'PRT', 'PRT', 'PRT',\n       ...\n       'DEU', 'DEU', 'JPN', 'DEU', 'BEL', 'BEL', 'FRA', 'DEU', 'GBR', 'DEU'],\n      dtype='object', length=119390)] are in the [columns]"

核心是loc的列筛选参数传错：
loc的语法规则是数据集.loc[行筛选逻辑, 列筛选范围]，第二个位置的参数只能传列名、列名列表，或者和列数等长的布尔序列。你传入的hotel_bookings.country是country列存储的所有具体值（也就是报错里打印的PRT、GBR这类国家编码，总长度119390和数据集总行数一致），pandas会把这一长串值当成你要查找的列名，自然匹配不到任何列，直接抛出KeyError。
另外你写的代码和实际需求不匹配：目标是取第13到21列，代码里却只写了country单列，完全没有覆盖目标列范围。

pandas默认索引从0开始计数，按日常从1开始数列的习惯，第13到21列对应索引位置是12到20，利用iloc先取目标列名，再传给loc做筛选即可，同时可以直接取出未取消订单的同范围数据做对比：

# 提取第13列到第21列的列名（iloc切片左闭右开，所以结束位置写21刚好覆盖到第21列）
target_columns = hotel_bookings.iloc[:, 12:21].columns
# 筛选已取消订单的目标列数据
canceled_df = hotel_bookings.loc[hotel_bookings["is_canceled"] == 1, target_columns]
# 筛选未取消订单的目标列数据，用于对比
not_canceled_df = hotel_bookings.loc[hotel_bookings["is_canceled"] == 0, target_columns]

提示：如果你是从0开始计数列序号，对应调整iloc的切片起止位置即可

内容的提问来源于stack exchange，提问作者Alice T