本文详解在 Pandas DataFrame 中按国家名称定位行并计算其数值列（排除文本列）平均值的正确方法，解决 df.loc['Bahrain'] 报 KeyError 的常见误区，并提供可直接运行的代码示例与关键注意事项。
本文详解在 pandas dataframe 中按国家名称定位行并计算其数值列（排除文本列）平均值的正确方法，解决 `df.loc['bahrain']` 报 keyerror 的常见误区，并提供可直接运行的代码示例与关键注意事项。
在 Pandas 中，df.loc['Bahrain'] 报 KeyError 是一个高频错误，其根本原因在于：loc 默认基于索引（index）进行标签查找，而非基于某列（如 'Country'）的内容匹配。观察示例数据可知，'Bahrain' 是 'Country' 列的值，而 DataFrame 的行索引是默认整数索引 0, 1, 2, ... —— 因此 loc['Bahrain'] 实际是在索引中查找名为 'Bahrain' 的标签，自然失败。
✅ 正确做法是：先通过布尔索引筛选出 'Country' == 'Bahrain' 的行，再选取数值列（跳过 'Country' 列），最后调用 .mean() 计算平均值。推荐写法如下：
import pandas as pd
import numpy as np
# 构造示例数据
df = pd.DataFrame({
'Country': ['Bahrain', 'Maldives', 'Germany'],
'1990': [5, 10, 7],
'1995': [4, 9, 4],
'2000': [3, 8, 3],
'2005': [2, 7, 2],
'2010': [1, 6, 1],
'2015': [5, 5, 7]
})
# ✅ 正确：布尔索引 + 切片选取数值列 + mean()
row_avg = df[df['Country'] == 'Bahrain'].iloc[:, 1:].mean()
print(row_avg) # 输出: 3.3333333333333335
print(type(row_avg)) # <class 'numpy.float64'>? 关键说明：
- df[df['Country'] == 'Bahrain'] 返回一个单行 DataFrame（即使只有一行，仍是 DataFrame，非 Series）；
- .iloc[:, 1:] 表示选取所有行（:）、从第 1 列开始到末尾的所有列（即跳过第 0 列 'Country'），确保仅对数值列操作；
- .mean() 默认对列方向（axis=0）求均值，结果为一个包含各列均值的 Series；但此处仅一行多列，故 .mean() 直接返回标量（numpy.float64 类型），符合需求。
⚠️ 注意事项：
- ❌ 避免 df.loc['Bahrain', :]：除非你已将 'Country' 列设为索引（df.set_index('Country')），否则会报错；
- ✅ 若需频繁按国家查询，可预先设置索引：df_indexed = df.set_index('Country')，之后 df_indexed.loc['Bahrain'].mean() 即可生效；
- ? 确保目标列全为数值类型（int/float），若含缺失值（NaN），.mean() 默认跳过（skipna=True）；如需严格要求无缺失，可加 skipna=False 触发异常；
- ? 扩展用法：计算多国平均值？可传入列表：df[df['Country'].isin(['Bahrain', 'Germany'])].iloc[:, 1:].mean(axis=0) 得各年份均值；或加 .mean(axis=1) 得每国行均值（结果为 Series）。
掌握“条件筛选 → 列切片 → 聚合计算”这一范式，不仅能解决行平均问题，更是 Pandas 数据清洗与分析的核心逻辑。
