Python Pandas KeyError: 'l'étiquette n'est pas dans le [index]'

J'ai un duplicates_to_fetch bloc de données d'index :

            mail_domaine         Values
0                 @A.com         [0, 2]
1                 @B.com         [1, 4]

Et suivants df_to_rearrange bloc de données

        movie_name              df_pname 
0                A                [mr a]   
1                B                [mr b]   
2               Aa               [mr aa]   
3                D                [mr d]   
4               Bb       [mr Bb, mr Bbb]
5                E                [mr e]

Je voudrais avoir les données transformées cadre

        movie_name                    df_pname 
0          [A, Aa]               [mr a, mr aa]   
1          [B, Bb]       [mr b, mr Bb, mr Bbb]   
3              [D]                      [mr d] 
5              [E]                      [mr e]

Cependant... quand je baisse les lignes, l'algorithme s'arrête en raison de l'absence d'index

J'ai fait comme 

for i in range(0,len(druplicates_to_fetch)):
      mylist = duplicates_to_fetch.loc[i,"Values"]
      index_to_fetch_on = mylist[0]

      # rearrange mylist (which can have >2 values)
      mylist = [myindex for myindex in mylist if myindex != index_to_fetch_on]

      for j in mylist:
            df_to_rearrange.loc[index_to_fetch, "df_pname"].append(df_to_rearrange.loc[j, "df_pname"])
            df_to_rearrange.drop(df_to_rearrange.index[j], inplace=True)

L'erreur est la suivante KeyError: 'the label [179] is not in the [index]'. Id il y a plus Pythonic façon de le faire ?

  • Itération avec for i in range(0,len(duplicates_to_fetch)): mylist = duplicates_to_fetch.loc[i,"Values"] est maladroit. De mieux à faire: for i, duplicate_row in duplicates_to_fetch.iterrows()
  • Aussi, mylist = [ix for ix in mylist if ix != index_to_fetch_on] ressemble à un simple drop() opération.
InformationsquelleAutor J. Doe | 2017-10-12
  1. 1

    Voici une autre façon de le faire. Utilisation lookup pour les groupes, et agg les colonnes de list

    In [78]: lookup = {v: i for i, x in enumerate(duplicates_to_fetch['Values']) for v in x}

In [79]: (df_to_rearrange.groupby(df_to_rearrange.index.to_series().map(lookup).fillna(''))
             .agg({'movie_name': lambda x: [v for v in x], 
                   'df_pname': lambda x: [a for v in x.values for a in v]})
             .reset_index(drop=True))
Out[79]:
  movie_name               df_pname
0    [A, Aa]          [mr a, mr aa]
1    [B, Bb]  [mr b, mr Bb, mr Bbb]
2        [D]                 [mr d]

    Détails

    In [959]: duplicates_to_fetch
Out[959]:
  mail_domaine  Values
0       @A.com  [0, 2]
1       @B.com  [1, 4]

In [960]: df_to_rearrange
Out[960]:
  movie_name         df_pname
0          A           [mr a]
1          B           [mr b]
2         Aa          [mr aa]
3          D           [mr d]
4         Bb  [mr Bb, mr Bbb]
In [958]: lookup
Out[958]: {0: 0, 1: 1, 2: 0, 4: 1}
    • La question est lambda x: list(x) mais c'est à cause de mes données
    • Mise à jour maintenant pour ce cas
    • Votre code réduit mon df à partir de 1135 à 37 au lieu de 1094 (mon script rend exactement ce que je veux). Pour une raison quelconque (group_by je pense), votre code groupes une ligne avec 1781 valeurs ! Peut-être que si vous ajoutez une ligne E avec [mr E] vous allez voir le pb
    • Étrange, fonctionne très bien pour votre exemple minimal
    InformationsquelleAutor Zero
  2. 0

    Une solution est 

    df_to_rearrange.drop(df_to_rearrange.index[np.where((df_to_rearrange.index==j))], inplace=True)
    InformationsquelleAutor J. Doe
  3. 0

    .réindexer() comme une alternative de .loc

    http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#indexing-deprecate-loc-reindex-listlike

    df_to_rearrange.reindex([index_to_fetch], ["df_pname"]).append(df_to_rearrange.reindex([j], ["df_pname"]))
    InformationsquelleAutor Expired Brain