pandas处理缺失Q/W标签数据时生成Indicator列报KeyError的解决方案咨询

代码触发KeyError的核心原因是：np.select的返回值列表硬编码读取mapper["Q"]和mapper["W"]，当数据中缺失Q/W任一标签时，mapper字典不存在对应key，直接读取就会抛出异常。且当标签不存在时，对应的判断条件（如indata2["Label"]=="Q"）的结果全为False，该分支的返回值永远不会被实际使用。

使用字典get方法替代直接取key，不存在的标签返回任意占位值即可，不会影响最终计算结果。修改后的核心代码如下：

mapper = {label: i+1 for i, label in enumerate(indata2["Label"].unique())}
indata2["Indicator"] = np.select([(indata2["Label"]=="Q")&(indata2["Text"].str.contains("X")), 
                                  (indata2["Label"]=="Q")&(indata2["Text"].str.contains("Y")), 
                                  (indata2["Label"]=="W")&(indata2["Text"].str.contains("X")), 
                                  (indata2["Label"]=="W")&(indata2["Text"].str.contains("Y")),
                                  (indata2["Label"].isin(list("QW"))&~(indata2["Text"].str.contains("[X-Y]", regex=True)))
                                 ],
                                 # 用get方法读取，不存在则返回占位值0
                                 [mapper.get("Q", 0)+0.1, mapper.get("Q", 0)+0.2, mapper.get("W", 0)+0.1, mapper.get("W", 0)+0.2, 0],
                                 indata2["Label"].map(mapper))

如果需要避免无用的条件判断，可以动态构建条件和返回值列表，只有对应标签存在时才加入判断分支：

mapper = {label: i+1 for i, label in enumerate(indata2["Label"].unique())}
conds = []
vals = []
# 动态添加Q的分支
if "Q" in mapper:
    conds.append((indata2["Label"]=="Q")&(indata2["Text"].str.contains("X")))
    vals.append(mapper["Q"]+0.1)
    conds.append((indata2["Label"]=="Q")&(indata2["Text"].str.contains("Y")))
    vals.append(mapper["Q"]+0.2)
# 动态添加W的分支
if "W" in mapper:
    conds.append((indata2["Label"]=="W")&(indata2["Text"].str.contains("X")))
    vals.append(mapper["W"]+0.1)
    conds.append((indata2["Label"]=="W")&(indata2["Text"].str.contains("Y")))
    vals.append(mapper["W"]+0.2)
# 加最后一个QW不符合X/Y的分支
conds.append((indata2["Label"].isin(list("QW"))&~(indata2["Text"].str.contains("[X-Y]", regex=True))))
vals.append(0)

indata2["Indicator"] = np.select(conds, vals, indata2["Label"].map(mapper))

该方案在标签缺失时会自动跳过对应判断分支，性能和严谨性更优。

内容的提问来源于stack exchange，提问作者DaniV