pandas DataFrame执行drop删列后运行KNN逻辑触发KeyError:0
问题根因与修复方案
核心报错来源
- 触发
KeyError: 0的本质和drop操作的执行正确性无关,是你在euclidian_distance函数里写错了Series的访问方式 - 你观察到drop后的DataFrame能正常打印,是因为drop操作本身没有问题,只是剩余列的标签会保留原始值,不会自动重置为从0开始的连续整数
- 当你通过
X_train.iloc[i]取出的行是pandas Series,这个Series的索引完全继承原DataFrame的列名,和你预期的“从0开始的位置索引”没有关系 - 为什么不drop的时候运行完全正常?因为你原DataFrame的列刚好是从0开始的连续整数,此时Series的标签和元素位置一一对应,用
v1[i]取值刚好能命中,属于歪打正着 - 一旦执行drop操作:
- 按列位置删列时,比如原列索引是
[0,1,2,3],删掉第0列后剩下的列标签是[1,2,3],此时循环i从0开始,用v1[0]取值时,会去Series的标签里找0,找不到就抛KeyError:0 - 按自定义列名删列时,剩余的列标签是字符串,循环里拿整数0当标签去匹配,自然也找不到
- 按列位置删列时,比如原列索引是
- 注意:pandas的Series用方括号
[]访问时,默认优先按标签匹配,不是按位置匹配,这是和numpy数组最容易混淆的规则。
可直接落地的修复方法
方法1:修改距离计算函数,按位置访问Series元素
把原来的标签访问改成iloc按位置取值,完全不受Series标签内容的影响,代码改动最小:
def euclidian_distance(v1, v2): distance = 0 for i in range(v1.shape[0]): # 用iloc强制按位置取值,不依赖列标签 distance += (v1.iloc[i] - v2.iloc[i]) ** 2 return np.sqrt(distance)
方法2:绕开pandas索引,转numpy数组计算(推荐)
这个写法不仅能彻底解决索引问题,还能去掉Python层的循环,大幅提升KNN的运行速度:
def euclidian_distance(v1, v2): # 转成numpy数组后,索引完全按位置匹配,和原DataFrame的列标签无关 v1_arr = v1.values v2_arr = v2.values return np.sqrt(np.sum((v1_arr - v2_arr) ** 2))
代码里的其他隐藏问题提醒
- 第一版
testColumn存在逻辑bug:循环遍历xtest的所有样本时,计算邻居的入参写死了xtest.iloc[8],没有用当前循环的xtest.iloc[i],会导致所有样本都和第8个测试样本算距离,准确率计算完全无效,第二版已经修正了这个问题。 prediction函数目前返回的是Series类型的众数结果,不是标量值,和Y_test.iloc[i]比较时永远不会相等,需要修改为取众数的第一个值:def prediction(neighbors): # 取第一个众数作为最终预测结果 return neighbors['label'].mode().iloc[0]
内容的提问来源于stack exchange,提问作者Monsieur AZERTY
相关产品推荐
相关产品推荐

