Pandas DataFrame分词处理时出现KeyError: 31962报错

你的判断存在偏差：报错根本不是在你给df['clean_tweet']赋值时触发的。对照堆栈的调用链路，错误直接出在循环里的取数行tweet = str(df['clean_tweet'][i])，和后续赋值操作完全无关。
本质是踩了Pandas最常见的索引使用坑：

• 用df['clean_tweet'][i]取数时，Pandas默认是拿i当行标签（index）去匹配取值，不是按第i行的物理位置拿值。
• 你当前的DataFrame索引根本不是连续从0开始的整数——大概率是之前做过空值过滤、条件筛选、删行操作后没有重置索引，导致行标签出现了跳空：比如行标签走到31961之后，直接跳过了31962，从31963开始往后接，哪怕整个df总共有56745行，31962这个标签也已经不在索引里了。
• 循环里的i是从0数到len(df)-1的位置序号：在i从0到31961的区间，序号刚好和现有行标签完全重合，所以前3万多次循环都能正常取数、打印推文，你会感觉流程已经跑了大半；等i走到31962时，Pandas拿这个值去索引里找标签，发现根本不存在，直接抛KeyError，循环当场中断，根本执行不到后面给列赋值的步骤。

• 最小改动修复：把原来的按标签取数换成按物理位置取数，将对应行改为tweet = str(df['clean_tweet'].iloc[i])。.iloc完全不感知行标签的内容，严格按照行在df里的物理顺序取值，和循环里的i值一一对应，不会出现标签找不到的问题。
• 前置索引修复：在循环开始前加一句df = df.reset_index(drop=True)，强制把df的行标签重置成从0开始的连续整数，后续哪怕还用原来的df['clean_tweet'][i]写法，标签和物理位置完全对齐，也不会触发KeyError。
• 更高效的替代写法：不用手写逐行for循环，直接用Pandas的列级apply完成处理，既不受索引逻辑影响，处理速度也比原生for循环快数倍，示例代码：

  ps = PorterStemmer()
  
  def process_single_tweet(raw_text):
      text = str(raw_text).lower()
      split_words = text.split()
      stemmed = [ps.stem(word) for word in split_words if word not in stopWords]
      return ' '.join(stemmed)
  
  # 自动逐行匹配对应索引完成处理
  df['clean_tweet'] = df['clean_tweet'].apply(process_single_tweet)
  

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