Pandas处理第二个DataFrame列替换低频值为Other时触发KeyError咨询

• 变量d是df1['column1'].value_counts() >= 50生成的布尔Series，它的索引仅覆盖df1该列出现过的所有唯一值：索引对应值为True表示是频次≥50的保留层级，False表示是df1里的低频层级。
• 处理df2时，列表推导式里写的d[i]是按标签对Series做精确索引，只要df2的该列出现df1中从未存在过的新层级，这个标签就不在d的索引范围内，pandas会直接抛出KeyError。
• 哪怕df1里的低频值能通过d[i]取到False，但完全没在df1里出现过的值没有对应的索引条目，无法完成判断，直接触发报错。

不要用列表推导式直接索引Series，提前提取高频层级名单，用pandas原生的矢量化方法做判断，同时注意对齐两个DataFrame的category类别：

# 提取df1中符合频次要求的高频层级名单
high_freq = d[d].index.to_list()
# 保留在高频名单内的值，其余全部替换为Other
df2['column1'] = df2['column1'].where(df2['column1'].isin(high_freq), 'Other')
# 转category类型，类别和df1处理后的列完全对齐
df2['column1'] = df2['column1'].astype('category').cat.set_categories(df1['column1'].cat.categories)

如果习惯用映射写法也可以用下面的代码，逻辑完全一致：

level_map = {v: v for v in high_freq}
df2['column1'] = df2['column1'].map(level_map).fillna('Other')
df2['column1'] = df2['column1'].astype('category').cat.set_categories(df1['column1'].cat.categories)

注意：如果转category时不做类别对齐，df2的列类别集合可能和df1不一致，后续做独热编码、表拼接操作时会出现字段错位、维度不匹配的问题，必须以处理完的df1的类别列表为统一标准。

内容的提问来源于stack exchange，提问作者screechOwl