使用Pandas读取文件并移除-1值后出现KeyError问题求助

看起来你遇到的问题源于拆分列单独处理导致的索引不匹配，还有一个容易忽略的拼写错误，我来一步步帮你解决：

问题分析 #

1. 拼写错误：你代码里多次把catalog写成了cataog，这会直接触发NameError，不过你提到后续是KeyError，大概率是输入时的笔误，但还是要先修正。
2. 错误的筛选方式：你把每个列单独提取成Series后再用numpy.where筛选，这种方式会让每个筛选后的Series保留原DataFrame的索引（只是删除了部分行）。后续如果用这些Series的索引去关联其他数据（比如原DataFrame或者其他结构），就会因为索引不连续、缺失，触发KeyError。

修正后的代码 #

直接对整个DataFrame进行筛选，这样所有列的索引会保持一致，后续操作不会出现索引问题：

import pandas as pd

columns = ['A', 'B', 'C', 'D']
# 修正拼写错误：cataog -> catalog
catalog = pd.read_csv('data.txt', sep='\s+', names=columns, skiprows=1)

print(len(catalog['B']))  # 结果为700

# 核心：直接筛选DataFrame，保留B列不等于-1的行
filtered_catalog = catalog[catalog['B'] != -1]

print(len(filtered_catalog['B']))  # 结果为612

# 如果需要单独的列，从筛选后的DataFrame提取即可
a = filtered_catalog['A']
b = filtered_catalog['B']
c = filtered_catalog['C']
d = filtered_catalog['D']

为什么这样做更可靠？ #

• 筛选后的filtered_catalog是一个完整的DataFrame，所有列的索引完全匹配，不会出现单独Series索引不一致的问题。
• Pandas原生的布尔索引比用numpy.where更简洁，也更符合Pandas的使用习惯，减少出错概率。
• 后续如果需要对数据做进一步处理（比如合并、分组），直接使用filtered_catalog即可，不用再担心索引不匹配导致的错误。

内容的提问来源于stack exchange，提问作者aloha