切片熊猫数据帧遇到关键错误：“n_tokens_content”，如何有效地定位坏行？
我试图用Python 3.6.2中的熊猫0.20.3来探索这个数据集。
%pylab inline
import pandas as pd
df = pd.read_csv('OnlineNewsPopularity.csv')
df['n_tokens_content'][:9]
最后一行产生错误
KeyError回溯（最近一次调用上次）~/anaconda3/envs/tf11/lib/python3。6/现场包/熊猫/核心/索引/基础。py in get_loc（自身、键、方法、公差）2441 try：-
熊猫/_libs/索引。大熊猫中的pyx_图书馆。指数IndexEngine。获取位置（熊猫/libs/index.c:5280）（）
熊猫/_libs/索引。大熊猫中的pyx_图书馆。指数IndexEngine。get_loc（pandas/_libs/index.c:5126）（）
pandas/_libs/hashtable_class_helper。熊猫体内的pxi_图书馆。哈希表。PyObjectHashTable。获取项目（pandas/_libs/hashtable.c:20523）（）
pandas/_libs/hashtable_class_helper。熊猫体内的pxi_图书馆。哈希表。PyObjectHashTable。获取项目（pandas/_libs/hashtable.c:20477）（）
n_tokens_content
在处理上述异常期间，发生了另一个异常：
（）中的KeyError回溯（最近一次调用）----
~/anaconda3/envs/tf11/lib/python3.6/site-包/熊猫/核心/frame.py在getitem（自我，键）1962返回自我。_getitem_multilevel（键）1963其他：-
~/anaconda3/envs/tf11/lib/python3。6/现场包装/熊猫/核心/框架。1969年_getitem_列（self，key）中的py#如果self，则获取1970列
。柱。是唯一的：-
~/anaconda3/envs/tf11/lib/python3。6/现场包/熊猫/核心/通用。py in_get_item_cache（self，item）1643 res=cache。如果res为None，则获取（项目）
1644：-
~/anaconda3/envs/tf11/lib/python3。6/现场包/熊猫/堆芯/内部构件。get（self、item、fastpath）3588 3589中的py如果不为null（item）：-
~/anaconda3/envs/tf11/lib/python3。6/现场包/熊猫/核心/索引/基础。获取位置（自身、键、方法、公差）2442中的py
返回自身_发动机获取位置（钥匙）2443，钥匙错误除外：-
熊猫/_libs/索引。大熊猫中的pyx_图书馆。指数IndexEngine。获取位置（熊猫/libs/index.c:5280）（）
熊猫/_libs/索引。大熊猫中的pyx_图书馆。指数IndexEngine。get_loc（pandas/_libs/index.c:5126）（）
pandas/_libs/hashtable_class_helper。熊猫体内的pxi_图书馆。哈希表。PyObjectHashTable。获取项目（pandas/_libs/hashtable.c:20523）（）
pandas/_libs/hashtable_class_helper。熊猫体内的pxi_图书馆。哈希表。PyObjectHashTable。获取项目（pandas/_libs/hashtable.c:20477）（）
n_tokens_content
我认为这是由csv文件中的一些行引起的，因为这段代码对其他csv运行良好。
如果是，如何有效地定位坏的行？
共有2个答案
我遇到了同样的问题，问题已经解决：
输入：df。列输出：
Index(['url', ' timedelta', ' n_tokens_title', ' n_tokens_content',
' n_unique_tokens', ' n_non_stop_words', ' n_non_stop_unique_tokens',
' num_hrefs', ' num_self_hrefs', ' num_imgs', ' num_videos',
' average_token_length', ' num_keywords', ' data_channel_is_lifestyle',
' data_channel_is_entertainment', ' data_channel_is_bus',
' data_channel_is_socmed', ' data_channel_is_tech',
' data_channel_is_world', ' kw_min_min', ' kw_max_min', ' kw_avg_min',
' kw_min_max', ' kw_max_max', ' kw_avg_max', ' kw_min_avg',
' kw_max_avg', ' kw_avg_avg', ' self_reference_min_shares',
' self_reference_max_shares', ' self_reference_avg_sharess',
' weekday_is_monday', ' weekday_is_tuesday', ' weekday_is_wednesday',
' weekday_is_thursday', ' weekday_is_friday', ' weekday_is_saturday',
' weekday_is_sunday', ' is_weekend', ' LDA_00', ' LDA_01', ' LDA_02',
' LDA_03', ' LDA_04', ' global_subjectivity',
' global_sentiment_polarity', ' global_rate_positive_words',
' global_rate_negative_words', ' rate_positive_words',
' rate_negative_words', ' avg_positive_polarity',
' min_positive_polarity', ' max_positive_polarity',
' avg_negative_polarity', ' min_negative_polarity',
' max_negative_polarity', ' title_subjectivity',
' title_sentiment_polarity', ' abs_title_subjectivity',
' abs_title_sentiment_polarity', ' shares'],
dtype='object')
您可以发现，“n\u tokens\u title”列的标题是“n\u tokens\u title”，注意n\u tokens\u title前面的空格，并在代码中添加空格。
当您使用df.columns打印列时，n_tokens_content在开始处有一个前导空格。
输入：df。列
输出：
Index(['url', ' timedelta', ' n_tokens_title', ' n_tokens_content',
' n_unique_tokens', ' n_non_stop_words', ' n_non_stop_unique_tokens',
' num_hrefs', ' num_self_hrefs', ' num_imgs', ' num_videos',
' average_token_length', ' num_keywords', ' data_channel_is_lifestyle',
' data_channel_is_entertainment', ' data_channel_is_bus',
' data_channel_is_socmed', ' data_channel_is_tech',
' data_channel_is_world', ' kw_min_min', ' kw_max_min', ' kw_avg_min',
' kw_min_max', ' kw_max_max', ' kw_avg_max', ' kw_min_avg',
' kw_max_avg', ' kw_avg_avg', ' self_reference_min_shares',
' self_reference_max_shares', ' self_reference_avg_sharess',
' weekday_is_monday', ' weekday_is_tuesday', ' weekday_is_wednesday',
' weekday_is_thursday', ' weekday_is_friday', ' weekday_is_saturday',
' weekday_is_sunday', ' is_weekend', ' LDA_00', ' LDA_01', ' LDA_02',
' LDA_03', ' LDA_04', ' global_subjectivity',
' global_sentiment_polarity', ' global_rate_positive_words',
' global_rate_negative_words', ' rate_positive_words',
' rate_negative_words', ' avg_positive_polarity',
' min_positive_polarity', ' max_positive_polarity',
' avg_negative_polarity', ' min_negative_polarity',
' max_negative_polarity', ' title_subjectivity',
' title_sentiment_polarity', ' abs_title_subjectivity',
' abs_title_sentiment_polarity', ' shares'],
dtype='object')
输入方式为：df['n_tokens\u content'][：9]
输出：0219 125522113531 4 1072 5 3706 960 7 989 8 97
-
我正在使用从h5文件加载的调查数据作为通过熊猫包。在此中，所有行都是单个调查的结果，而列是单个调查中所有问题的答案。 我的目标是将此数据集缩减为更小的，仅包括在某个问题上具有某个描述答案的行，即在本列中具有相同的值。我能够确定具有此条件的所有行的索引值，但我找不到如何删除这些行或仅使用这些行创建新的df。
-
问题内容： 我有一个大的数据框（几百万行）。 我希望能够对它进行分组操作，而只是按行的任意连续（最好大小相等）的子集进行分组，而不是使用各个行的任何特定属性来确定它们要进入的组。 用例：我想通过IPython中的并行映射将函数应用于每一行。哪行进入哪个后端引擎都没有关系，因为该函数一次基于一行来计算结果。（至少在概念上；实际上是矢量化的。） 我想出了这样的东西： 但这似乎很漫长，并且不能保证大小相
-
我有两个数据帧，都有一个键列，可能有重复项，但数据帧大部分都有相同的重复键。我希望在该键上合并这些数据帧，但这样做的方式是，当两者具有相同的副本时，这些副本将分别合并。此外，如果一个数据帧的键的副本比另一个多，我希望它的值填充为NaN。例如： 我正在尝试获得以下输出 所以基本上，我想把复制的K2键当作K2_1，K2_2。。。然后在数据帧上进行how='outer'合并。你知道我怎样才能做到这一点吗
-
假设熊猫数据帧如下所示： 如何将第三行（如row3）提取为pd数据帧？换句话说，row3.shape应该是（1,5），row3.head（）应该是：
-
问题内容： 在您希望POS标记存储在熊猫数据框中的一列文本（每行只有一句话）的情况下，SO上的大多数实现都使用apply方法 NLTK文档建议使用pos_tag_sents（）有效标记多个句子。 这是否适用于此示例，如果是，那么代码是否像更改为那样简单，或者NLTK意味着段落的文本源 正如评论中提到的那样，目的是每次都减少感受器的负载， 但是问题是如何做到这一点，并且仍然在熊猫数据框中生成一列？
-
我有这个熊猫数据框 这就给了我： 我该怎么办 做一个新的人物， 将标题添加到图"标题这里" 以某种方式创建一个映射，这样标签不是29,30等，而是“29周”，“30周”等。 将图表的较大版本保存到我的计算机（例如10 x 10英寸） 这件事我已经琢磨了一个小时了！