pandas合并tourney_data与season_statistics_T1的KeyError: 'Season'报错

执行merge时抛出的KeyError: 'Season'，本质是season_statistics_T1里视觉上看到的「Season」字段不是普通数据列，而是该DataFrame的行索引（绝大多数情况是MultiIndex多层索引的其中一层）。
pandas在Jupyter这类交互式环境里展示DataFrame时，会把索引层级的内容和普通列并排显示，视觉上和普通列没有任何区别，很容易让人误以为这些字段是独立列。但merge操作默认只会在普通数据列里查找指定的连接键，.to_dict()方法默认也只把普通列作为返回字典的键，因此在实际调用时就会抛出KeyError。

运行两行代码就能确认问题：

• 执行print(season_statistics_T1.columns.tolist())，输出的列名列表里找不到'Season'
• 执行print(season_statistics_T1.index.names)，返回的索引层级名称里会同时出现'Season'和'T1_TeamID'

这种结构基本都是前期对数据做groupby聚合时，没加as_index=False参数，导致分组字段被自动设为行索引形成的。

根据后续流程的需求，可以选择适配的方案：

• 方案1：把索引层级的字段重置为普通列，适配原本的merge逻辑
  在执行merge之前，先运行一行代码把所有索引层级转成普通列：
  season_statistics_T1 = season_statistics_T1.reset_index()
  执行完成后，原来藏在索引里的字段就会变成普通数据列，此时直接运行原有merge代码就能正常执行。
• 方案2：不改动原表结构，直接指定用右侧表的索引做连接
  调整merge的参数，指定右侧表直接用自身的MultiIndex完成匹配（必须保证索引层级顺序和左侧连接列顺序完全对应，也就是第一层索引是Season，第二层是T1_TeamID，不然会出现连接错配）：

  tourney_data = pd.merge(
      tourney_data,
      season_statistics_T1,
      left_on=['Season', 'T1_TeamID'],
      right_index=True,
      how='left'
  )
  

  这个方案不用改动season_statistics_T1本身的结构，适合后续流程还需要保留其索引结构的场景。

内容的提问来源于stack exchange，提问作者user288609