pandas DataFrame从地址列取值填充空位置列及KeyError问题解决

问题原因 #

• 第一个报错的直接原因是列名拼写错误：你代码中取列写的是ADDRSS，实际列名是ADDRESS，拼写少了字母E，会直接触发KeyError
• 第二个错误是行索引匹配问题：你用addr[i].LOCATION的写法是根据索引值取行，如果你DataFrame的索引不是默认从0开始的连续整数，或者切片后行索引和你累加的i不一致，就会找不到对应索引触发KeyError
• 这种逐行循环修改的写法也不符合pandas的最佳实践，效率低还容易触发链式赋值警告

解决方案 #

步骤1：统一空值格式 #

首先把LOCATION列里的空白字符串、带引号的空值转换成pandas标准的NaN格式，方便后续判断：

import pandas as pd
import numpy as np

# 替换多种形式的空值为标准NaN
addr['LOCATION'] = addr['LOCATION'].replace([' ', '" "', ''], np.nan)

步骤2：定义匹配城市列表 #

把你所有需要识别的城市名称统一维护在列表里，后续新增城市直接修改这个列表即可，不用改逻辑：

# 按匹配优先级排序，靠前的城市优先匹配
CITY_LIST = ['NEW YORK', 'LONDON', 'PRAGUE', 'MANCHESTER']

步骤3：编写城市提取函数 #

从ADDRESS字段中匹配是否存在目标城市：

def extract_city(address_str):
    for city in CITY_LIST:
        if city in address_str.upper(): # 加upper兼容大小写差异
            return city
    return np.nan # 无匹配返回空

步骤4：定向填充空值 #

只针对2008行及以后、LOCATION为空的行做填充，用pandas官方推荐的loc操作避免索引报错：

# 如果2008是DataFrame的索引值，用这个条件
mask = (addr.index >= 2008) & (addr['LOCATION'].isna())

# 如果你说的2008是行号（不管索引值是多少，第2008个行开始），就用下面这个条件替换上面的mask
# mask = (addr.index >= addr.iloc[2008:].index.min()) & (addr['LOCATION'].isna())

addr.loc[mask, 'LOCATION'] = addr.loc[mask, 'ADDRESS'].apply(extract_city)

内容的提问来源于stack exchange，提问作者Deesak