Pandas处理多层列数据框时拆分指定列并删除子列出现KeyError问题求助

嘿，我看你这是踩了Pandas多层索引列的小坑啦！先帮你把问题拆解清楚，再一步步解决~

问题根源 #

你拿到的df2（从维基百科人口页面读取的第一个表格）是多层列（MultiIndex Columns）结构：上层列是State or territory和Census population[8][9][a]，而Census population[8][9][a]下面还有两个子列July 1, 2024 (est.)和April 1, 2020。你直接用df2.drop(["July 1, 2024 (est.)"], axis=1)会报错，是因为Pandas在多层列里识别的是完整的层级元组，而不是单个子列名，所以找不到这个单独的列名就抛出了KeyError。

一步到位的解决方法 #

你想要的最终结果是保留State or territory和July 1, 2024 (est.)，完全不用先“explode”，直接筛选需要的列就行，还更高效：

# 先修正你代码里的笔误：tables应该是tables1
df1 = tables1[1]
df2 = tables2[0]

# 筛选我们需要的列：指定完整的层级列名
# 对于单层列直接写列名，多层列用元组(上层列名, 子列名)
df2_filtered = df2[[
    "State or territory",
    ("Census population[8][9][a]", "July 1, 2024 (est.)")
]]

# 可选：把多层列改成单层列名，方便后续操作
df2_filtered.columns = ["State or territory", "July 1, 2024 (est.)"]

# 看看结果
print(df2_filtered.head())

额外修正你代码里的小问题 #

你这段代码里有个笔误：

df1 = tables[1]  # 这里应该是tables1，因为你定义的是tables1 = pd.read_html(...)

如果不改的话会抛出NameError: name 'tables' is not defined的错误，记得修正哦~

如果你确实想先“展开”多层列（可选） #

如果你一定要先把多层列的结构拆成单层（也就是你说的“explode Census population”），可以先把列名合并成单层字符串，再做删除操作：

# 把多层列名合并成单层，比如变成"Census population[8][9][a] July 1, 2024 (est.)"
df2.columns = [' '.join(col).strip() for col in df2.columns.values]

# 现在就可以直接删除不需要的列了
df2_filtered = df2.drop(["Census population[8][9][a] April 1, 2020"], axis=1)

不过这种方法不如直接筛选列高效，更推荐第一种方法~

备注：内容来源于stack exchange，提问作者adventurous_chip_55