数据帧错误：UndefinedVariableError：名称未定义

Question

我正在使用 jupyter 笔记本并尝试在列中为两个不同的答案创建对象：是和否；为了查看所有“是”响应和“否”响应之间的相似性。

当我使用以下代码时，我收到一条错误消息：UndefinedVariableError: name 'No' is not defined

df_yes=df.query('No-show == \"Yes\"')
df_no=df.query('No-show == \"No\"')

由于即使我只包含 df_yes 也会发生相同的错误，所以我认为它必须与列名“No-show”有关。所以我尝试了不同的列，果然成功了。

那么有人可以告诉我我在这个代码块上做错了什么，所以我不会再这样做了？谢谢！

Answer 1

观察这个例子：

>>> import pandas as pd
>>> d = {'col1': ['Yes','No'], 'col2': ['No','No']}
>>> df = pd.DataFrame(data=d)
>>> df.query('col1 == \"Yes\"')
  col1 col2
0  Yes   No
>>> df.query('col2 == \"Yes\"')
Empty DataFrame
Columns: [col1, col2]
Index: []
>>> 

一切似乎都按预期工作。但是，如果我将col1 和col2 分别更改为col-1 和col-2：

>>> d = {'col-1': ['Yes','No'], 'col-2': ['No','No']}
>>> df = pd.DataFrame(data=d)
>>> df.query('col-1 == \"Yes\"')
...
pandas.core.computation.ops.UndefinedVariableError: name 'col' is not defined

如您所见，问题在于您在列名中使用的减号 (-)。事实上，您更倒霉，因为您的错误消息中的No 指的是No-show，而不是您的列的值No。

因此，最好的解决方案（以及一般的最佳实践）是以不同的方式命名列（将它们视为变量；变量名称中不能有减号，至少在 Python 中是这样）。例如，No_show。如果此数据框不是您创建的（例如，您从csv 文件中读取数据），这是rename columns appropriately 的常见做法。