Python 在For循环中创建数据帧会产生Nan错误

在探索Jupyter笔记本上的奥运数据集时，我试图找出哪项运动是世界上最古老的运动

这是我目前拥有的代码：

体育=奥运会。设置指数（“体育”）
sport_name=olympics['sport'].unique（）
对于sport_名称中的sport：
播放年份=sports.loc[sport，['Year']].max（）-sports.loc[sport，['Year']].min（）
印刷品（运动、比赛年限）

代码将返回以下结果：

Basketball Year    80.0
dtype: float64
Judo Year    52.0
dtype: float64
Boxing Year    112.0
dtype: float64

注意，每个浮点数前都有一个字符串“Year”

然后我尝试使用以下代码将其转换为数据帧：

sports=olympics.set_索引（'Sport'））
sport_name=olympics['sport'].unique（）
对于sport_名称中的sport：
播放年份=sports.loc[sport，['Year']].max（）-sports.loc[sport，['Year']].min（）
行=[]
rows=rows.append（[运动，比赛年份]）
pd.DataFrame（行、列=['Sport'，'Years Players']）

返回了一个错误：

KeyError:nan

我有两个问题：

为什么循环在每个浮点结果之前返回字符串“Year”？我尝试在循环外使用同一行代码（使用

.loc

，然后用

.min（）

减去

.max（）

），结果之前没有字符串，只有结果的浮点数

是什么导致了

nan

错误

---

非常感谢。

你好，kim，欢迎来到StackOverflow。我会尽力解释得更好

问题1 循环将以以下格式返回结果：

dtype: int64
Basque Pelota Year    0

dtype: int64
Aeronautics 0

如您所见，巴斯克佩洛塔第0个年头包含

第0个年头

，但

航空第0个年头

没有

在第一种情况下，播放的

年份类型为
，但在第二种情况下为
。这意味着在第一种情况下，您必须访问序列的值，如：
years\u player['Year']
，但在第二种情况下，如果您尝试此操作，将引发异常
indexer:invalid index to scalar variable.
，因为它是
int64
类型而不是序列

在您的情况下，检查所播放的
年份的类型并根据类型获取值就足够了：

print(sport, years_played['Year'] if isinstance(years_played, Series) else years_played)

请查看参考资料以获取。还可以使用反正避免使用
type（）
，因为它只返回对象的类型，而如果对象参数是classinfo参数或其（直接、间接或虚拟）子类的实例，则
isinstance（）
返回
true

最终代码
基本上，最终代码将产生如下结果：

import pandas as pd
from pandas.core.series import Series

olympics = pd.read_csv("athlete_events.csv")

sports = olympics.set_index('Sport')
sport_name = olympics['Sport'].unique()

for sport in sport_name:
    years_played = sports.loc[sport, ['Year']].max() - sports.loc[sport, ['Year']].min()
    print(type(years_played)) 
    print(sport, years_played['Year'] if isinstance(years_played, Series) else years_played)

解决问题的另一种方法是在开始时解决类型问题：

import pandas as pd
from pandas.core.series import Series

olympics = pd.read_csv(r"C:\Users\carlo.zanocco\Desktop\archive\athlete_events.csv")

sports = olympics.set_index('Sport')
sport_name = olympics['Sport'].unique()

for sport in sport_name:
    years_played = sports.loc[sport, 'Year'].max() - sports.loc[sport, 'Year'].min()
    print(type(years_played)) 
    print(sport, years_played)

在这里，我将
sports.loc[sport，['Year']].max（）-sports.loc[sport，['Year'].min（）
更改为
sports.loc[sport，['Year'].max（）-sports.loc[sport，['Year']].min（）
，因此它将只返回类型为
的值，并且打印结果时不需要检查类型

问题2
错误
KeyError:nan
表示您试图访问一个不存在的密钥。在您的情况下，键
nan

从本质上说，这个异常映射到找不到的键。
天哪，我可以理解为什么调试起来很困难。输出屏幕截图中缺少的是最后一部分

Year    80
dtype: int64
Year    52
dtype: int64
...
Year    12
dtype: int64
Year    0
dtype: int64
0

请注意最后一行如何不遵循其余行的模式！如果您在循环结束时检查
sport
和
years\u play
，则没有任何问题。但是如果你检查


sports.loc[sport[0]，'Year']
和
sports.loc[sport[-1]，'Year']

比较一下，你就会知道发生了什么

第一个是数据帧。您将看到它被一个名为
Sport
的索引索引，其中的每个条目都是
Basketball
。像这样：

            Year
Sport           
Basketball  1992
Basketball  2008
Basketball  1952
Basketball  2000
Basketball  1972
...          ...
Basketball  2004
Basketball  1996
Basketball  2004
Basketball  2008
Basketball  2016

[4536 rows x 1 columns]

然而，第二个是一个系列：

Year    1936
Name: Aeronautics, dtype: object

sports.loc[sport, 'Year'] ->

Sport
Basketball    1992
Basketball    2008
Basketball    1952
Basketball    2000
Basketball    1972
              ... 
Basketball    2004
Basketball    1996
Basketball    2004
Basketball    2008
Basketball    2016
Name: Year, Length: 4536, dtype: int64

。。。如果您只从数据帧中选择一行，则得到的结果

我怀疑您已经知道了这一点-我注意到您将
'Year'
包装在一个列表中，这确保您在第一种情况下获得一个数据帧。只有一列称为“年”，因此如果不这样做，您将返回一个系列：

Year    1936
Name: Aeronautics, dtype: object

sports.loc[sport, 'Year'] ->

Sport
Basketball    1992
Basketball    2008
Basketball    1952
Basketball    2000
Basketball    1972
              ... 
Basketball    2004
Basketball    1996
Basketball    2004
Basketball    2008
Basketball    2016
Name: Year, Length: 4536, dtype: int64

（找出与先前输出的差异）

现在，如果你做
sports.loc[“Aeronautics”，“Year”]
你只需要返回一个整数，
1936
，因为你选择了一个单元格。这将导致错误，因为
int
没有代码所期望的
max
和
min
方法

一种解决方案是强制它总是返回一个数据帧。你可以这样做

用于运动名称中的运动：
data=sports.loc[[sport]，'Year']]
播放年份=data.max（）-data.min（）
印刷品（运动、比赛年限）

。。。但这只是让问题的真正原因显而易见，而不是解决问题。现在
data.max（）-data.min（）
返回

Year    0
dtype: int64

这是一个熊猫系列，只有一个条目。该系列的索引是
“Year”
（因为这是上面创建的数据框
数据的列名）。这就是你得到奇怪输出的原因。实际的解决方法很简单-只需选择单个值，现在我们已经确保始终可以得到一个系列：

用于运动名称中的运动：
data=sports.loc[[sport]，'Year']]
播放年份=data.max（）-data.min（）
打印（运动，玩了多少年[0]）


您发布的第二段代码永远不会起作用：

用于运动名称中的运动：
播放年份=sports.loc[sport，['Year']].max（）-sports.loc[sport，['Year']].min（）
行=[]
rows=rows.append（[运动，比赛年份]）
pd.DataFrame（行、列=['Sport'，'Years Players']）

最后一行从您已创建的单行创建一个新的数据帧