Pandas DataFrame用apply按TOTAL_COVERAGE条件计算百分比时报KeyError
错误原因拆解
你的代码存在两个直接导致报错和逻辑偏差的问题:
- 冗余循环:外层写的
for index, row in df.iterrows()循环完全没有被使用,循环内既没有用到逐行取出的row对象,每一次迭代都会对全表重新做一次apply赋值,属于完全多余的逻辑。 - KeyError触发源:
df.apply()的默认运行规则是按列处理(axis=0),此时lambda函数的入参x代表整列的Series数据,而不是单行记录,自然无法找到TOTAL_COVERAGE字段,直接抛出KeyError。
修复方案
最小改动版(保留原apply逻辑)
删掉多余的iterrows循环,给apply加上axis=1参数,让函数按逐行逻辑运行,代码如下:
df['%'] = df.apply( lambda x: (int(x['END_S']) * 100) / int(x['END_D']) if x['TOTAL_COVERAGE'] == 'yes' else '', axis=1 )
运行后输出的结果符合预期:
| ID | TOTAL_COVERAGE | BEG_D | END_D | BEG_S | END_S | % |
|---|---|---|---|---|---|---|
| O60829 | yes | 1 | 102 | 1 | 102 | 100.0 |
| O60341 | yes | 1 | 25 | 1 | 25 | 100.0 |
| Q9H1R3 | no | 500 | 600 | 1 | 458 | 空字符串 |
实用提示:
- 如果希望非符合条件的行保留标准缺失值而不是空字符串,可以把else后的
''替换为pd.NA,后续做数值计算、统计时不会因为混合类型报错。- 如果坚持要在
iterrows循环里实现逐行逻辑,需要逐行修改对应索引的取值,而不是每次循环都给整列赋值,参考写法:这种写法逻辑正确,但性能远低于向量化方案,不适合大数据量场景。df['%'] = pd.NA # 先初始化整列为空值 for index, row in df.iterrows(): if row['TOTAL_COVERAGE'] == 'yes': df.loc[index, '%'] = (int(row['END_S']) * 100) / int(row['END_D'])
高效向量化版(适配大表场景)
当数据量达到十万行以上时,逐行apply的运行速度会明显变慢,可以用pandas原生的向量化逻辑实现,性能提升一个数量级:
# 先把需要计算的字段统一转为整数类型 df['END_D'] = df['END_D'].astype(int) df['END_S'] = df['END_S'].astype(int) # 仅在TOTAL_COVERAGE为yes的行做比例计算,其余行自动填充缺失值 df['%'] = ((df['END_S'] * 100) / df['END_D']).where(df['TOTAL_COVERAGE'] == 'yes')
内容的提问来源于stack exchange,提问作者JuanMacD
相关产品推荐
相关产品推荐

