【问题标题】：TypeError: '(slice(0, 15, None), 15)' is an invalid keyTypeError: '(slice(0, 15, None), 15)' 是无效键
【发布时间】：2023-03-30 14:20:01
【问题描述】：

我有一个 Python 代码，看起来类似于下面粘贴的代码。对于上下文，所有 csv 文件都打印 [15 行 x 16 列]，我只是出于隐私目的更改了名称。

import numpy as np
import pandas as pd 

C = pd.read_csv('/Users/name/Desktop/filename1.csv')
Chome = pd.read_csv('/Users/name/Desktop/filename2.csv')
Cwork = pd.read_csv('/Users/name/Desktop/filename3.csv')
Cschool = pd.read_csv('/Users/name/Desktop/filename4.csv')
Cother = pd.read_csv('/Users/name/Desktop/filename5.csv')

Cf = np.zeros([17,17])
Cf = C
Cf[0:15,16] = C[0:15,15]
Cf[16,0:15] = C[15,0:15] 
Cf[16,16] = C[15,15]

print(Cf)

运行代码时出现以下错误：

runfile('/Users/name/.spyder-py3/untitled12.py', wdir='/Users/name/.spyder-py3')
Traceback (most recent call last):

  File "/Users/name/.spyder-py3/untitled12.py", line 23, in <module>
    Cf[0:15,16] = C[0:15,15]

  File "/opt/anaconda3/lib/python3.8/site-packages/pandas/core/frame.py", line 2800, in __getitem__
    indexer = self.columns.get_loc(key)

  File "/opt/anaconda3/lib/python3.8/site-packages/pandas/core/indexes/base.py", line 2646, in get_loc
    return self._engine.get_loc(key)

  File "pandas/_libs/index.pyx", line 111, in pandas._libs.index.IndexEngine.get_loc

  File "pandas/_libs/index.pyx", line 116, in pandas._libs.index.IndexEngine.get_loc

TypeError: '(slice(0, 15, None), 15)' is an invalid key

我不确定这个错误是什么意思。我对 python 很陌生，所以调试是我试图更好地理解的一项技能。所以任何关于我可以做些什么来解决这个错误的建议，或者它意味着什么都会有所帮助。谢谢。

【问题讨论】：

Cf = C ; Cf[0:15,16] = C[0:15,15] 你正在用数据框C 覆盖数组Cf，所以C[0:15,15] 没有意义

标签： python pandas csv anaconda slice

【解决方案1】：

请注意代码示例中的以下顺序：

C = pd.read_csv(...)
... # Other cases of pd.read_csv
Cf = np.zeros([17,17])

所以，至少到目前为止，C 是一个 DataFrame 而 Cf 是一个 Numpy 数组。

那么Cf = C 可能是一个逻辑错误，因为它会覆盖 Numpy 数组（全是零）和另一个对 C 的引用。

现在作为违规指令 (Cf[0:15,16] = C[0:15,15]) 而言：

请注意C[0:15,15] 是错误的（您自己运行此代码即可查看）。如果是 pandasonic DataFrames，您可以使用“位置寻址”，包括切片，使用 iloc。

另一方面，Numpy 数组允许这种表示法。

因此，假设不需要 Cf = C 并且 Cf 应该保持 Numpy 数组，您可能应该将此指令更正为：

Cf[0:15,16] = C.iloc[0:15,15]

并对代码中的剩余指令进行类似的更正。

编辑

另一种选择是在 C DataFrame 中引用底层的 Numpy 数组，使用 values 属性。在这种情况下，您可以使用 Numpythonic 寻址方式，例如：

C.values[0:15,15]

不会出错。

【讨论】：