Pandas读取CSV执行GroupBy行计数时报KeyError: 'Occupation'的问题

触发KeyError的核心原因 #

你打印输出的DataFrame列名实际携带首尾单引号：读入CSV时，pandas没有自动将单引号识别为字段包裹符，把单引号算进了列名内容里，此时真实列名是"'Occupation'"、"'data'"，你代码里写的不带单引号的Occupation列根本不存在，因此groupby阶段直接抛出KeyError。
另外你之前的代码还有一个逻辑漏洞：df[['data']].groupby(['Occupation'])的写法是先筛出仅包含data列的子表，这个子表本身不包含Occupation列，就算解决了引号问题，这种写法也会触发列找不到的错误。

修复步骤 #

1. 读取CSV时增加quotechar参数，告诉pandas用单引号作为字段的包裹标识，自动清除列名、字段值前后的多余单引号：

   df = pd.read_csv(filename, quotechar="'")
   

   执行完可以打印df.columns验证，此时列名就是不带引号的Occupation、data，和代码里写的列名匹配。
2. 调整groupby的写法，保证分组列在操作的DataFrame范围内，统计每个Occupation对应的行数可以直接写：

   # 按Occupation分组，统计每组的行数，结果直接赋值给df_stats即可存储
   df_stats = df.groupby('Occupation', as_index=False)['data'].count()
   

   如果习惯用agg写法，也可以直接指定聚合后的列名，避免生成多级结构的复杂列名：

   df_stats = df.groupby('Occupation').agg(row_count=('data', 'count'))
   

常见疑问解答 #

• 如何存储分组统计的计数结果：聚合完成的结果直接通过等号赋值给自定义变量即可，后续可以对这个变量做重命名、导出、筛选等任意操作。
• groupby和agg返回结果的属性：经过groupby分组、agg聚合后返回的结果是完全独立的对象（如果只统计单列计数且不指定as_index=False，返回带分组索引的Series；指定as_index=False或做多列聚合时返回结构完整的DataFrame），和原始DataFrame没有内存层面的引用关联，修改聚合结果不会反向影响原始表数据。

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