访问pandas DataFrame元素引发KeyError崩溃问题咨询

问题根源 #

• 你对df_alter['hypothesis']这个Series用[idx]访问时，pandas默认优先匹配行索引标签，而不是行的位置顺序。你之前大概率对这个DataFrame做过行删除、过滤、取子集等操作，导致行索引不再是连续的0、1、2……n-1的整数序列，比如索引可能变成了[0,2,3,4……]，当循环到idx=1时，找不到标签为1的行，就抛出了KeyError。
• 额外需要注意的是，你用的df_alter['hypothesis'][idx] = xxx属于链式赋值，是pandas不推荐的写法，极易触发SettingWithCopyWarning，甚至可能出现修改后的值没有真正写入原DataFrame的问题。

解决方法 #

方法1：最小改动修复现有循环 #

用iloc明确指定按位置访问即可，不需要改动其他逻辑：

import re
print(len(df_alter['hypothesis']))
for idx in range(len(df_alter['hypothesis'])):
    print(df_alter['hypothesis'].iloc[idx])
    df_alter['hypothesis'].iloc[idx] = re.sub(r'\bshe\b', r'they', df_alter['hypothesis'].iloc[idx])
    df_alter['hypothesis'].iloc[idx] = re.sub(r'\bhe\b', r'they', df_alter['hypothesis'].iloc[idx])

方法2：更高效的向量化操作（推荐） #

完全不需要写循环，直接用pandas内置的字符串替换方法，性能比手动循环高很多：

df_alter['hypothesis'] = df_alter['hypothesis'].str.replace(r'\bshe\b', 'they', regex=True)
df_alter['hypothesis'] = df_alter['hypothesis'].str.replace(r'\bhe\b', 'they', regex=True)

方法3：重置索引恢复连续标签 #

如果你希望继续用原来的写法，可以先重置行索引：

# drop=True表示丢弃原来的旧索引，不保留为新列
df_alter = df_alter.reset_index(drop=True)
# 之后你原来的循环代码就可以正常运行了

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