模型构建报错：KeyError 'award' 问题排查求助

嘿，我马上帮你搞清楚这个报错的原因，以及怎么修复～

问题根源 #

你遇到的KeyError本质是执行pd.get_dummies()的顺序错了！

pd.get_dummies()的作用是把分类列（比如你的award列，包含Best Director、Best Actor这类离散值）转换成多个独热编码列，而且会自动移除原来的分类列。你先执行了独热编码，此时原来的award列已经被拆成了award_Best Actor、award_Best Director这类列，再去subset['award']自然找不到这个键啦。

看你给出的列名对比：

• 执行pd.get_dummies()前：有award列
• 执行后：只有award_Best Actor这类拆分后的列，原award列消失

最优解决方案：调整执行顺序 #

最直接的修复方式是先提取标签，再对剩余数据做独热编码，逻辑清晰还不容易出错：

# 第一步：先提取待预测的award标签，此时award列还存在
labels = np.array(subset['award'])
# 第二步：从子集中移除award标签列
subset_no_label = subset.drop('award', axis=1)
# 第三步：对移除标签后的子集做独热编码
subset = pd.get_dummies(subset_no_label)
# 后续步骤保持不变
subset_list = list(subset.columns)
subset = np.array(subset)

备选方案：从独热编码列还原标签（不推荐） #

如果一定要先做独热编码，你可以从生成的独热列里还原award标签，但操作相对繁琐，而且容易出错：

# 先执行独热编码
subset = pd.get_dummies(subset)
# 精准筛选出所有award拆分后的列（用startswith避免把year_of_award、award_age这类无关列算进来）
award_cols = [col for col in subset.columns if col.startswith('award_')]
# 还原标签：找到每行值为1的award列，去掉前缀'award_'得到原始奖项名称
labels = subset[award_cols].idxmax(axis=1).str.replace('award_', '')
# 移除这些award独热列
subset = subset.drop(award_cols, axis=1)
# 后续步骤
subset_list = list(subset.columns)
subset = np.array(subset)

小提醒 #

你之前用'award' in col筛选列时，会把year_of_award、award_age这类包含award字符串但不是奖项的列也选进来，这也是为什么你替换后还是报错的原因——这些列根本不是你要的标签列，用startswith('award_')才能精准匹配到奖项的独热编码列哦。

内容的提问来源于stack exchange，提问作者QWERTY