使用Pandas根据CSV数值列生成字符串新列时触发KeyError:0错误

嘿，这个报错我之前也碰到过！本质就是Pandas在你的映射字典里找不到0这个键，但你的DataFrame的Type列里偏偏有0这个值，所以直接抛出了KeyError。咱们一步步来排查解决：

先搞清楚为啥会报错 #

• 映射字典没覆盖所有Type值：比如你只写了{1: "NameOne", 2: "NameTwo"}，但你的Type列里存在0，字典里没这个键，自然找不到对应值。
• 数据类型不匹配：虽然你说Type是int64，但万一你的字典键是字符串（比如{"1": "NameOne"}），而Type列是int类型的1，这种类型不匹配也会导致找不到键（虽然这里报错是0，但也得排查这个情况）。

对应的解决方案 #

1. 补全映射字典的所有可能键 #

先看看Type列到底有哪些值，然后把所有值都加到字典里：

# 先打印Type列的所有唯一值，看看有没有漏的
print(df['Type'].unique())

# 补全映射字典，比如加上0的对应值
type_mapping = {
    0: "NameZero",
    1: "NameOne",
    2: "NameTwo"
    # 其他Type值对应的字符串都加上
}

# 再执行映射
df['Newtype'] = df['Type'].map(type_mapping)

2. 用更灵活的方式处理未匹配值（推荐） #

如果不想一个个补全键，或者不确定Type列有多少种取值，可以用map()配合get()方法，指定一个默认值给那些找不到映射的情况：

type_mapping = {1: "NameOne", 2: "NameTwo"}

# 用lambda和get()，找不到的话就返回"UnknownType"（你可以改成自己想要的默认值）
df['Newtype'] = df['Type'].map(lambda x: type_mapping.get(x, "UnknownType"))

或者用replace()方法，之后用fillna()填充未匹配的：

df['Newtype'] = df['Type'].replace(type_mapping).fillna("UnknownType")

3. 检查并统一数据类型 #

如果是类型不匹配的问题（比如字典键是字符串，Type列是int），可以统一类型：

# 把Type列转成字符串（如果字典键是字符串）
df['Type'] = df['Type'].astype(str)

# 或者把字典的键转成int（如果Type列是int）
type_mapping = {int(key): value for key, value in type_mapping.items()}

# 再执行映射
df['Newtype'] = df['Type'].map(type_mapping)

提前排查的小技巧 #

执行映射前，先检查Type列里有没有不在字典键里的值，这样能提前发现问题：

# 找出Type列中不在映射字典里的值
missing_values = df[~df['Type'].isin(type_mapping.keys())]['Type'].unique()
if len(missing_values) > 0:
    print(f"注意：Type列里有这些值没在字典里定义：{missing_values}")

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