Python-Pandas：对DataFrame执行原地修改操作时如何避免KeyError

示例 #

创建测试df：

import pandas as pd
import numpy as np

def f_test_df(n_rows, n_cols):
    df1 = pd.DataFrame(np.random.rand(n_rows, n_cols))
    df = df1.applymap(lambda x: round(x*10))
    return df 

np.random.seed(seed=1)
df1 = f_test_df(7, 7)

现在执行会修改原始DataFrame本身的原地操作：

df1.drop(columns=[2, 3, 4, 5, 6],
         inplace=True)

如果重复运行上述代码，会触发KeyError，因为此时DataFrame已经被修改，所有修改DataFrame本身的操作都存在该问题。

现有解决方案是使用try-except结构，如下所示：

try:
    df1.drop(columns=[2, 3, 4, 5, 6],
             inplace=True)
except:
    pass

上述写法可以避免出现KeyError，但实现方式不够优雅。请问是否存在更符合Python风格的实现方式？在对原始df执行原地修改操作时，如何避免触发KeyError？

解答 #

pandas的drop方法原生提供了errors参数来处理这类场景，你只需要将参数值设为ignore，就会自动跳过不存在的列/行，不会抛出KeyError，无需额外写异常捕获逻辑，是最符合Python风格的原生解法：

df1.drop(columns=[2, 3, 4, 5, 6],
         inplace=True,
         errors='ignore')

errors参数默认值为raise，即遇到不存在的标签时抛出错误；改为ignore后，方法仅删除实际存在的目标标签，不存在的直接忽略，完全匹配需求。

另外更推荐优先避免使用原地操作，原地修改容易带来不可预期的副作用，常规写法直接将修改后的结果赋值给新变量即可：

df_new = df1.drop(columns=[2, 3, 4, 5, 6], errors='ignore')

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