更换数据集运行模型时出现KeyError: 'fbs'报错，是代码还是数据集问题？

报错原因判定 #

该KeyError: 'fbs'报错属于数据集适配问题，不存在核心代码逻辑错误。

具体根因解释 #

• 报错触发位置是dummy = pd.get_dummies(df[col], prefix=col)行，本质是pandas读取的数据集DataFrame中，不存在代码需要调用的fbs列。
• 你之前使用的测试数据集包含fbs（空腹血糖指标，是标准心血管疾病公开数据集的默认字段），所以代码可正常运行；更换后的新数据集字段结构发生变化，缺少对应字段就触发了异常。

修复方案 #

1. 先校验当前数据集的字段结构：读取数据集后先执行print(df.columns.tolist())，确认fbs字段是命名拼写有差异（比如大小写、别名、多了空格/下划线），还是被直接删除。
2. 根据校验结果做适配：
   • 如果是字段名不一致：将代码中调用的列名修改为和数据集匹配的名称即可
   • 如果是新数据集确实无该字段：增加字段存在性判断逻辑，避免调用不存在的列：

# 独热编码前增加存在性判断
target_cols = ['fbs', 'cp', 'restecg'] # 替换成你需要编码的所有列名
for col in target_cols:
    if col not in df.columns:
        print(f"跳过不存在的字段：{col}")
        continue
    # 原有编码逻辑
    dummy = pd.get_dummies(df[col], prefix=col)
    df = pd.concat([df, dummy], axis=1)
    df.drop(col, axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者uzrsa