pandas使用.loc切分数据集出现缺失标签告警如何解决？

问题根源 #

你遇到的报错和complete_df内部是否存在空值无关，核心原因是：
StratifiedShuffleSplit等分层切分类的split方法返回的train_set、test_set是数据集的整数位置索引，而pandas的.loc属性是基于行标签（index）取值的。只有当你的complete_df从未做过过滤、排序、删除行、拼接等操作，行标签是默认的0开始连续递增整数时，你的写法才能正常运行，只要行标签和位置索引不匹配，就会触发该告警，后续甚至直接抛出KeyError。

解决方案 #

方案1（最简便，无需修改原有逻辑）

将.loc替换为基于位置索引取值的.iloc即可，修改后的代码如下：

for train_set, test_set in stratified.split(complete_df, complete_df["loan_condition_int"]):
    stratified_train = complete_df.iloc[train_set]
    stratified_test = complete_df.iloc[test_set]

方案2（坚持使用.loc的场景）

在切分前先重置数据集的行标签，保证行标签和位置索引完全对应：

# 重置索引，drop=True表示不保留原来的索引列
complete_df = complete_df.reset_index(drop=True)
# 后续执行你原来的切分代码即可
for train_set, test_set in stratified.split(complete_df, complete_df["loan_condition_int"]):
    stratified_train = complete_df.loc[train_set]
    stratified_test = complete_df.loc[test_set]

方案3（简化切分逻辑）

如果不需要自定义多折切分，可以直接用带分层参数的train_test_split完成切分，代码更简洁：

from sklearn.model_selection import train_test_split
# test_size根据你的需求调整，比如0.2代表测试集占20%
stratified_train, stratified_test = train_test_split(
    complete_df, 
    stratify=complete_df["loan_condition_int"],
    test_size=0.2,
    random_state=42 # 固定随机种子保证结果可复现
)

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