处理美国人口普查数据：按州分组求和遇KeyError，求正确方案

问题背景 #

我正在处理美国人口普查数据，数据包含State（州）、County（县）、population（人口）字段，示例数据如下：

阿拉巴马州 杰斐逊县 658466
阿拉巴马州 莫比尔县 412992
阿拉巴马州 麦迪逊县 334811
阿拉斯加州 安克雷奇市 291826
阿拉斯加州 费尔班克斯北极星自治市镇 97581
阿拉斯加州 马塔努斯卡-苏西特纳自治市镇 88995

期望输出为按州汇总人口，格式如下：

State SumOfPopulation
阿拉巴马州 1406269
阿拉斯加州 478402

但尝试使用代码df.groupby('State')['population'].agg('sum')时，出现KeyError: 'STNAME'错误，请问正确的实现方法是什么？

解决方案 #

这个错误的核心原因是：你代码里使用的列名和DataFrame实际存储的列名不匹配。报错提示找不到'STNAME'，说明你的DataFrame中州名对应的列名其实是'STNAME'，而不是你假设的'State'。

你可以先执行下面的代码确认所有列名，避免列名误解：

print(df.columns)

如果确认列名是'STNAME'，那么正确的分组汇总代码如下：

方法1：使用sum()并重置索引

# 按州分组汇总人口
state_pop_sum = df.groupby('STNAME')['population'].sum().reset_index()
# 重命名列名以匹配期望输出格式
state_pop_sum.columns = ['State', 'SumOfPopulation']
# 查看最终结果
print(state_pop_sum)

方法2：使用agg()方法（效果完全一致）

state_pop_sum = df.groupby('STNAME')['population'].agg('sum').reset_index()
state_pop_sum.columns = ['State', 'SumOfPopulation']
print(state_pop_sum)

额外注意事项 #

如果执行print(df.columns)后发现列名确实是'State'，那可能是大小写或拼写细节问题（比如列名是小写的'state'），这时候需要严格匹配列名的大小写和拼写来修改代码。

内容的提问来源于stack exchange，提问作者Peter