从零实现K近邻算法时遇KeyError报错的解决方法咨询

嘿，我来帮你捋清楚这个问题！你遇到的KeyError本质上是因为你的KNN代码里的标签处理逻辑只适配了乳腺癌数据集的整数（或字符串形式的整数）标签，没考虑到Iris数据集的纯字符串类别标签场景。

问题根源分析 #

两个数据集的标签差异是关键：

• 乳腺癌数据集的标签是'2'、'4'，虽然是字符串形式，但本质是数字，你的代码可能默认了标签是这类有限的、可直接当作键的数值型内容；
• Iris的标签是'setosa'、'versicolor'这类纯字符串，它们和你之前代码里预设的标签逻辑不匹配，就会触发KeyError。

具体解决步骤 #

下面是几个最可能的修复方向，你可以对照自己的代码排查：

1. 动态统计邻居标签，不要提前固定字典键

如果你之前的代码是提前初始化了只包含乳腺癌标签的计数字典（比如counts = {'2':0, '4':0}），那遇到Iris的字符串标签时，自然会因为键不存在报错。

改成动态统计的方式，用空字典或者defaultdict来处理：

# 方法1：普通字典动态计数
counts = {}
for label in neighbor_labels:
    if label in counts:
        counts[label] += 1
    else:
        counts[label] = 1

# 方法2：用collections.defaultdict更简洁
from collections import defaultdict
counts = defaultdict(int)
for label in neighbor_labels:
    counts[label] += 1

2. 统一将标签转换为整数索引

如果你的代码逻辑更适配整数标签，可以用标签编码器把所有类型的标签（不管是数字字符串还是纯字符串）都转换成0开始的整数，这样两个数据集都能兼容：

from sklearn.preprocessing import LabelEncoder

# 训练时拟合编码器
le = LabelEncoder()
train_labels_encoded = le.fit_transform(train_dataset['label_column'])
# 测试时用同一编码器转换
test_labels_encoded = le.transform(test_dataset['label_column'])

之后KNN代码处理整数标签就不会有问题，预测完成后还可以用le.inverse_transform(predicted_labels)转回原来的标签字符串。

3. 替换依赖整数的投票逻辑

如果你的投票逻辑用了numpy.bincount这类只支持非负整数的函数，那处理字符串标签肯定会出错。换成collections.Counter，它对任何可哈希类型（包括字符串）都能正常工作：

from collections import Counter

# 统计邻居标签的出现次数
vote_counter = Counter(neighbor_labels)
# 获取出现次数最多的标签
most_common_label = vote_counter.most_common(1)[0][0]

总结 #

核心就是打破“标签是整数”的预设，让代码能兼容任意可哈希的标签类型，或者统一将标签转换成整数索引。按照上面的方法调整后，你的KNN应该就能在Iris数据集上正常运行啦！

内容的提问来源于stack exchange，提问作者enigma6174