解决 Pandas DataFrame 索引错误：KeyError:0

在使用 Pandas 处理数据时，KeyError 是一个常见的问题，尤其是在尝试通过索引访问数据时。本文将通过一个实际案例（使用SKLearn中的MINIST数据集为例），详细分析 KeyError 的原因，并提供解决方法。

1 问题背景

在处理一些数据集的时候，我们可能会遇到了一个典型的 KeyError 问题。如sklearn中的开源数据集MNIST是一个包含手写数字的灰度图像数据集，每个图像的大小为 28×28 像素，数据集通常以 Pandas DataFrame 的形式加载。在尝试访问数据集中的样本时，代码抛出了以下错误：

KeyError: 0

错误信息表明，代码试图通过索引 0 访问数据，但 Pandas DataFrame 中没有名为 0 的列。这通常是因为 DataFrame 的索引方式与我们想的不一样。

2 错误分析

在 Pandas 中，DataFrame 的索引方式有两种常见的形式：

1. 按列名索引：通过列名访问数据，例如 df['column_name']。

2. 按位置索引：通过位置访问数据，例如 df.iloc[row_index, column_index]。

在 MNIST 数据集中，X 是一个 Pandas DataFrame，其索引方式默认为按列名索引。因此，当我们尝试使用 X[0] 访问数据时，Pandas 会尝试查找名为 0 的列，而不是第 0 行。由于 DataFrame 中没有名为 0 的列，因此会抛出 KeyError。

3 方法 1：将 DataFrame 转换为 NumPy 数组（不建议）

如果后续操作不需要 Pandas DataFrame 的功能，可以直接将 X 转换为 NumPy 数组。这样就可以使用整数索引访问数据。但是慎用，因为后续你的代码中可能要用到DataFrame的相关东西，所以不建议在这里直接转为numpy。

# 将 DataFrame 转换为 NumPy 数组
X = X.to_numpy()

# 可视化第 0 个样本
plt.imshow(X[0].reshape(28, 28), cmap='gray')
plt.axis('off')
plt.show()

4 方法 2：使用 .iloc 访问 DataFrame 的行（推荐）

为了保留 Pandas DataFrame 的功能，可以使用 .iloc 方法来访问行数据。

# 使用 .iloc 访问第 0 行
plt.imshow(X.iloc[0].values.reshape(28, 28), cmap='gray')
plt.axis('off')
plt.show()

5 代码示例

以MINIST为例，代码如下

# 导入必要的库
import numpy as np
import os
import matplotlib.pyplot as plt
from sklearn.datasets import fetch_openml

# 设置随机种子以确保结果可复现
np.random.seed(42)

# 定义数据存储目录
data_dir = os.path.join(os.getcwd(), 'data')

# 下载 MNIST 数据集
mnist = fetch_openml("mnist_784", parser='auto', data_home=data_dir)

# 提取特征和标签
X, y = mnist.data, mnist.target

# 将 DataFrame 转换为 NumPy 数组（可选）
X = X.to_numpy()

# 可视化第 0 个样本
plt.imshow(X[0].reshape(28, 28), cmap='gray')
plt.axis('off')
plt.show()