Pandas多层索引DataFrame loc查询捕获KeyError异常的方法

核心思路是通过Python原生的try-except块捕获查询时抛出的KeyError，触发异常时调用continue直接终止当前股票的处理流程，进入下一轮循环。

基础实现代码 #

你只需要把原有的查询逻辑包裹在异常捕获结构中即可，无需修改现有索引设置和查询逻辑，性能开销极低：

import pandas as pd

# 提前构造IndexSlice复用
idx = pd.IndexSlice
# 目标查询时间戳
target_timestamp = pd.to_datetime("2021-10-25 09:15:00")
# 你的股票遍历列表
stock_list = ["AAA", "BBB", "CCC"]

# 你的预处理逻辑，已提前完成复合索引设置和排序
# df = df.set_index(['datetimestamp', 'stock_id', 'period_value']).sort_index()

for stock_id in stock_list:
    try:
        # 原有查询逻辑
        current_open = df.loc[idx[target_timestamp, stock_id, 1], "open"]
        # === 以下为查询成功后的正常业务逻辑 ===
        print(f"股票{stock_id}开盘价为: {current_open}")
        # 其他业务处理代码写在这里
    except KeyError:
        # 不存在对应记录时直接跳过当前股票
        continue

注意：异常捕获的范围只需要包裹loc查询和后续依赖查询结果的逻辑，不要把无关代码放到try块中，避免掩盖其他代码错误。

批量查询优化方案（适合大股票量场景） #

如果你需要处理的股票数量较多，循环遍历的性能会弱于批量查询，可以通过reindex方法一次性查询所有目标组合，直接过滤掉不存在的记录，无需手动捕获异常：

# 构造所有目标查询组合的复合索引
target_index = pd.MultiIndex.from_product(
    [[target_timestamp], stock_list, [1]],
    names=["datetimestamp", "stock_id", "period_value"]
)
# 批量查询，不存在的记录返回NaN后直接删除
valid_open_data = df["open"].reindex(target_index).dropna()

处理完成后valid_open_data会直接返回所有存在对应记录的股票开盘价，你可以直接遍历这个结果做后续处理。

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