Python pandas匹配客户SKU折扣时如何避免KeyError返回None

核心问题分析 #

你遇到的报错本质是两个原因导致的：

1. 销售记录中的Purple Grapes SKU没有在df_sku_prices定价表中存在，用loc强制取值就会抛出KeyError
2. 如果后续有客户+SKU组合没有在折扣表中存在，也会触发同样的报错

最优实现方案（推荐用于生产环境） #

不要用逐行apply操作，pandas原生的左连接（left merge）是更高效、更符合需求的实现，匹配不到的字段自动填充缺失值，不会抛出报错，且处理大数据量的性能比apply高几十倍，代码可读性也更强：

import pandas as pd

# 先重置两个索引表的索引，方便后续合并
df_sku_prices_reset = df_sku_prices.reset_index()
df_customer_discounts_reset = df_customer_discounts.reset_index()

# 第一步：匹配SKU定价，保留所有销售记录，匹配不到的定价自动填NaN
df_monthly_sales_report = df_sales_volume.merge(
    df_sku_prices_reset,
    on="SKU",
    how="left"
).rename(columns={
    "List Price": "SKU List Price",
    "Markedup Price": "SKU Markedup Price"
})

# 第二步：匹配客户SKU折扣，保留所有销售记录，匹配不到的折扣自动填NaN
df_monthly_sales_report = df_monthly_sales_report.merge(
    df_customer_discounts_reset,
    on=["SKU", "Customer"],
    how="left"
).rename(columns={
    "Discount": "Customer Discount"
})

原有apply写法的修改方案（如果需要兼容旧逻辑） #

如果坚持要用原来的逐行取值写法，可以在loc取值前先判断索引是否存在，不存在就返回None：

# 匹配SKU定价的修改版
df_monthly_sales_report["SKU List Price"] = df_monthly_sales_report.apply(
    lambda row: df_sku_prices.loc[row["SKU"], "List Price"] if row["SKU"] in df_sku_prices.index else None, 
    axis=1,
)

df_monthly_sales_report["SKU Markedup Price"] = df_monthly_sales_report.apply(
    lambda row: df_sku_prices.loc[row["SKU"], "Markedup Price"] if row["SKU"] in df_sku_prices.index else None, 
    axis=1, 
)

# 匹配折扣的修改版
df_monthly_sales_report["Customer Discount"] = df_monthly_sales_report.apply(
    lambda row: df_customer_discounts.loc[(row['SKU'], row['Customer']), "Discount"] if (row['SKU'], row['Customer']) in df_customer_discounts.index else None, 
    axis=1, 
)

方案说明 #

• 最终输出的DataFrame完全符合你要求的字段，匹配不到的定价/折扣默认填充NaN（pandas标准缺失值格式，和None逻辑完全一致）
• 左连接方案支持生产环境百万级以上数据量运行，性能远优于逐行apply
• 代码逻辑清晰，方便同事后续维护修改

内容的提问来源于stack exchange，提问作者good_vibes