Pandas拼接分子对描述符DataFrame触发KeyError问题求解

• 直接触发KeyError的原因是真实运行代码和你贴的最小可复现示例代码不一致：从报错栈打印的出错行可以看到，取第二个分子的描述符时你写的是cof_df[row['cof2']]，漏写了.loc索引器。pandas中直接对DataFrame使用[]操作默认是匹配列名，而非行索引，当分子名diclofenac不存在于描述符表的1600个特征列名中时，就会抛出你看到的KeyError。你单独测试df1.loc[rows['cof1']]能正常运行，是因为这行你正确写了.loc走行索引匹配。
• 潜在的隐性问题：你提到描述符表行数M < 分子对涉及的分子总数，说明部分分子对中的分子没有对应的描述符记录，就算补全.loc，遇到这类缺失分子名时依然会触发KeyError，需要提前做缺失校验。
• 你当前用的iterrows逐行循环拼接的写法性能很差，不是pandas推荐的原生实现方案，数据量上来后运行速度会非常慢。

用双merge匹配的方案完全替代循环写法，无逐行Python开销，匹配逻辑稳定不会出现索引/列混淆的笔误，代码如下：

import pandas as pd
import numpy as np

# ---------------------- 基础表示例 ----------------------
# 分子描述符表：不要提前set_index，保留name列用于关联匹配
desc_df = pd.DataFrame([
    ['a',1,True,3,4], 
    ['b',55,False,76,87],
    ['c',9,True,11,12]
], columns=["name", "d1", "d2", "d3", "d4"])

# 分子对表
pair_df = pd.DataFrame({'cof1':['a', 'a','c','b'], 'cof2':['c','b','a','c']})
# --------------------------------------------------------

# 第一次关联：匹配分子对中第一个分子的所有描述符，统一加_cof1后缀
cof1_feat = pair_df.merge(
    desc_df,
    left_on='cof1',
    right_on='name',
    how='left'  # 左连接保留全部分子对，缺失描述符的位置自动填充NaN
).drop(columns='name').add_suffix('_cof1')

# 第二次关联：匹配分子对中第二个分子的所有描述符，统一加_cof2后缀
cof2_feat = pair_df.merge(
    desc_df,
    left_on='cof2',
    right_on='name',
    how='left'
).drop(columns='name').add_suffix('_cof2')

# 横向拼接得到最终表，调整列顺序：先放分子名列，再依次放两个分子的1600维特征
final_df = pd.concat([cof1_feat, cof2_feat], axis=1).rename(columns={
    'cof1_cof1': 'cof1',
    'cof2_cof2': 'cof2'
})
# 筛选列顺序
cof1_cols = [col for col in final_df.columns if col.endswith('_cof1') and col != 'cof2_cof1']
cof2_cols = [col for col in final_df.columns if col.endswith('_cof2') and col != 'cof1_cof2']
final_df = final_df[['cof1', 'cof2'] + cof1_cols + cof2_cols]

这个方案的优势：

• 完全基于pandas原生向量化操作，运行效率比iterrows循环高1~2个数量级，千级、万级分子对都可以秒级出结果
• 不会出现.loc漏写导致的列/行索引匹配错误
• 自动兼容分子描述符缺失的场景，不会直接中断运行，后续可以通过final_df.isna().sum()快速排查哪些分子缺失描述符
• 最终输出列数刚好为2个分子名列 + 1600*2个特征列，完全符合你的需求。

如果你暂时不想重构现有逻辑，只需要做两处修改即可解决报错：

1. 补全第二个分子取数的.loc索引器，把出错行的cof_df[row['cof2']]改成cof_df.loc[row['cof2']]，和第一个分子的写法保持一致
2. 循环前提前校验缺失的分子，避免运行中途中断：

# 提前排查缺失描述符的分子
all_mols = set(pair_df['cof1']).union(set(pair_df['cof2']))
missing_mols = [mol for mol in all_mols if mol not in cof_df.index]
if missing_mols:
    raise ValueError(f"以下分子缺失描述符记录：{missing_mols}")

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