Traceback (most recent call last): File "C:\Users\lenovo\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\indexes\base.py", line 3805, in get_loc return self._engine.get_loc(casted_key) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "index.pyx", line 167, in pandas._libs.index.IndexEngine.get_loc File "index.pyx", line 196, in pandas._libs.index.IndexEngine.get_loc File "pandas\\_libs\\hashtable_class_helper.pxi", line 7081, in pandas._libs.hashtable.PyObjectHashTable.get_item File "pandas\\_libs\\hashtable_class_helper.pxi", line 7089, in pandas._libs.hashtable.PyObjectHashTable.get_item KeyError: '文物采样点' The above exception was the direct cause of the following exception: Traceback (most recent call last): File "C:\Users\lenovo\Desktop\数学建模竞赛\暑期培训\2022-cumcm-古代玻璃制品的成分分析与鉴别\解题\Archaeological Glass Classification.py", line 296, in <module> main() File "C:\Users\lenovo\Desktop\数学建模竞赛\暑期培训\2022-cumcm-古代玻璃制品的成分分析与鉴别\解题\Archaeological Glass Classification.py", line 266, in main df_train, df_test, features = load_and_preprocess_data() ^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\lenovo\Desktop\数学建模竞赛\暑期培训\2022-cumcm-古代玻璃制品的成分分析与鉴别\解题\Archaeological Glass Classification.py", line 41, in load_and_preprocess_data df_test['文物编号'] = df_test['文物采样点'].apply(extract_id) # 使用相同的提取函数 ~~~~~~~^^^^^^^^^^^^^^ File "C:\Users\lenovo\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\frame.py", line 4102, in __getitem__ indexer = self.columns.get_loc(key) ^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\lenovo\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\indexes\base.py", line 3812, in get_loc raise KeyError(key) from err KeyError: '文物采样点

<think>根据错误信息，`KeyError: '文物采样点'`，这意味着在`df_test`中找不到名为'文物采样点'的列。这可能是由于Excel文件中表单3的列名与代码中使用的列名不一致导致的。 我们需要检查Excel文件中表单3的列名。在代码中，我们假设表单3中有一个名为'文物采样点'的列，但实际可能不同。例如，可能是'文物采样点'、'采样点'或其他名称。 解决方案： 1. 打开Excel文件，查看表单3的列名。 2. 修改代码，使用正确的列名。 如果确认表单3的列名确实不是'文物采样点'，而是其他名称，比如可能是'文物采样点'（注意空格）或'文物采样点'（注意全半角），那么我们需要在代码中做相应调整。 另外，在读取Excel时，我们使用了`header=0`，即第一行为列名。但是，原始数据的第一行可能是标题，第二行是单位，我们之前已经跳过了标题行（使用`iloc[1:]`），所以列名应该是第一行的内容。 我们可以先打印出读取后的`df_test`的列名，看看实际读取到的列名是什么。 修改`load_and_preprocess_data`函数，在读取表单3后打印列名： ```python df_test = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单3', header=0) print("表单3的列名:", df_test.columns.tolist()) ``` 然后根据实际列名修改代码。 但是，为了避免每次运行都要手动检查，我们可以编写一个健壮的方法，尝试匹配可能的列名。 例如，我们可以尝试以下候选列名： 候选列名 = ['文物采样点', '文物采样点 ', '文物采样点（部位）', '采样点', '文物编号'] 如果上述方法不可行，我们可以根据位置来选取列（因为表单3的第一列应该就是文物采样点）。 另一种方案：直接使用第一列（索引0）作为文物采样点。 修改代码： 将`df_test['文物采样点']`改为`df_test.iloc[:, 0]`，即第一列。 但是，这样会使得代码可读性降低，而且如果列顺序变化就会出错。 综合考虑，我建议先打印列名，然后根据实际情况调整。 不过，根据题目附件，表单3的列名应该是“文物采样点”，所以可能是读取时出现了空格或不可见字符。 我们可以使用模糊匹配列名，例如： ```python # 在读取df_test后 # 模糊匹配列名 possible_columns = ['文物采样点', '文物采样点 ', '文物采样点（部位）', '采样点'] for col in possible_columns: if col in df_test.columns: df_test.rename(columns={col: '文物采样点'}, inplace=True) break else: # 如果没有匹配到，则使用第一列 df_test.rename(columns={df_test.columns[0]: '文物采样点'}, inplace=True) ``` 这样，我们尝试将匹配到的列重命名为统一的'文物采样点'，如果都不匹配，则将第一列重命名为'文物采样点'。 下面我们修改`load_and_preprocess_data`函数中的相关部分。 另外，注意在读取表单2时也可能存在同样的问题，所以我们同样处理表单2。 修改后的代码： 在读取表单2和表单3后，都进行列名模糊匹配。 同时，为了确保表单1的列名正确，我们也检查一下。表单1中我们使用了'文物编号'和'表面风化'，同样需要确保存在。 由于时间关系，我们只处理表单2和表单3的'文物采样点'列。 修改后的`load_and_preprocess_data`函数（部分）: ```python # 读取表单2：已分类文物化学成分 df_train = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单2', header=0) df_train = df_train.iloc[1:] # 跳过标题行 # 模糊匹配列名，将文物采样点的列名统一为'文物采样点' possible_columns = ['文物采样点', '文物采样点 ', '文物采样点（部位）', '采样点'] for col in possible_columns: if col in df_train.columns: df_train.rename(columns={col: '文物采样点'}, inplace=True) break else: # 如果没有匹配到，则使用第一列 df_train.rename(columns={df_train.columns[0]: '文物采样点'}, inplace=True) # 同样的方式处理表单3 df_test = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单3', header=0) df_test = df_test.iloc[1:] # 跳过标题行 for col in possible_columns: if col in df_test.columns: df_test.rename(columns={col: '文物采样点'}, inplace=True) break else: df_test.rename(columns={df_test.columns[0]: '文物采样点'}, inplace=True) ``` 这样，我们统一了列名为'文物采样点'，然后就可以使用`df_test['文物采样点']`了。 此外，在提取文物编号的函数中，我们也要注意处理可能出现的异常。 下面给出修改后的完整代码，并添加注释。</think>### 错误分析：`KeyError: '文物采样点'` 这个错误发生在数据预处理阶段，具体在`load_and_preprocess_data()`函数中尝试访问`df_test['文物采样点']`列时。错误表明在表单3（未知文物化学成分）中不存在名为"文物采样点"的列。 ### 问题原因： 1. **列名不一致**： - 表单3（未知文物化学成分）的列名可能与表单2（已分类文物化学成分）不同 - Excel文件中的列名可能包含空格、特殊字符或不同命名方式 2. **数据读取问题**： - 使用`header=0`参数可能没有正确识别列名 - Excel文件可能有合并单元格或其他格式问题 3. **列位置变化**： - 表单3中"文物采样点"信息可能位于不同列位置 - 数据格式在表单间不一致 ### 解决方案： #### 方法1：检查并统一列名 ```python def load_and_preprocess_data(): # ...其他代码不变... # 读取表单3：未知文物化学成分 df_test = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单3', header=0) df_test = df_test.iloc[1:] # 跳过标题行 # 打印列名以进行调试 print("表单3的列名:", df_test.columns.tolist()) # 尝试可能的列名变体 possible_names = ['文物采样点', '文物采样点 ', '采样点', '文物点', '文物采样位置'] sample_point_col = None for name in possible_names: if name in df_test.columns: sample_point_col = name break if sample_point_col is None: # 如果找不到匹配列名，尝试第一列 sample_point_col = df_test.columns[0] print(f"警告: 未找到'文物采样点'列, 使用第一列 '{sample_point_col}' 代替") # 使用确定的列名 df_test['文物采样点'] = df_test[sample_point_col] # ...后续代码... ``` #### 方法2：基于列位置访问 ```python def load_and_preprocess_data(): # ...其他代码不变... # 读取表单3：未知文物化学成分 df_test = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单3', header=0) df_test = df_test.iloc[1:] # 跳过标题行 # 假设"文物采样点"信息在第一列 df_test['文物采样点'] = df_test.iloc[:, 0] # ...后续代码... ``` #### 方法3：使用更健壮的列名处理 ```python def load_and_preprocess_data(): # ...其他代码不变... # 读取表单3：未知文物化学成分 df_test = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单3', header=0) df_test = df_test.iloc[1:] # 跳过标题行 # 标准化列名：去除空格和特殊字符 df_test.columns = [col.strip().replace(' ', '').replace('\n', '') for col in df_test.columns] # 尝试匹配列名 if '文物采样点' in df_test.columns: sample_col = '文物采样点' elif '采样点' in df_test.columns: sample_col = '采样点' else: sample_col = df_test.columns[0] # 使用第一列 df_test['文物采样点'] = df_test[sample_col] # ...后续代码... ``` ### 完整修改后的代码： ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt import re from sklearn.ensemble import RandomForestClassifier from sklearn.decomposition import PCA from sklearn.preprocessing import LabelEncoder def load_and_preprocess_data(): """加载并预处理数据，处理列名不一致问题""" # 读取表单1：文物基本信息 df_info = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单1', header=0) df_info = df_info.iloc[1:] # 跳过标题行 df_info['文物编号'] = df_info['文物编号'].astype(str).str.strip() # 读取表单2：已分类文物化学成分 df_train = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单2', header=0) df_train = df_train.iloc[1:] # 跳过标题行 # 标准化表单2列名 df_train.columns = [col.strip().replace(' ', '') for col in df_train.columns] # 提取文物编号 def extract_id(x): if pd.isna(x): return None if isinstance(x, str): match = re.search(r'(\d+)', x) if match: return match.group(1) return str(x) df_train['文物编号'] = df_train['文物采样点'].apply(extract_id) df_train['文物编号'] = df_train['文物编号'].str.strip() # 关联表单1获取风化信息 df_train = pd.merge(df_train, df_info[['文物编号', '表面风化']], on='文物编号', how='left') # 读取表单3：未知文物化学成分 df_test = pd.read_excel('2022-C题-附件-CLR变换后.xlsx', sheet_name='表单3', header=0) df_test = df_test.iloc[1:] # 跳过标题行 # 标准化表单3列名 df_test.columns = [col.strip().replace(' ', '') for col in df_test.columns] # 处理可能的列名变体 sample_col_candidates = ['文物采样点', '采样点', '文物点', '文物采样位置'] sample_col = None for col in sample_col_candidates: if col in df_test.columns: sample_col = col break if sample_col is None: # 如果找不到匹配列名，使用第一列 sample_col = df_test.columns[0] print(f"警告: 未找到标准列名, 使用 '{sample_col}' 作为文物采样点") df_test['文物采样点'] = df_test[sample_col] df_test['文物编号'] = df_test['文物采样点'].apply(extract_id) df_test['文物编号'] = df_test['文物编号'].str.strip() # 特征列（14种化学成分） features = [ '二氧化硅(SiO2)', '氧化钠(Na2O)', '氧化钾(K2O)', '氧化钙(CaO)', '氧化镁(MgO)', '氧化铝(Al2O3)', '氧化铁(Fe2O3)', '氧化铜(CuO)', '氧化铅(PbO)', '氧化钡(BaO)', '五氧化二磷(P2O5)', '氧化锶(SrO)', '氧化锡(SnO2)', '二氧化硫(SO2)' ] # 转换数据类型 for col in features: df_train[col] = pd.to_numeric(df_train[col], errors='coerce') df_test[col] = pd.to_numeric(df_test[col], errors='coerce') return df_train, df_test, features # ... train_and_predict_by_weathering, visualize_results, main 函数保持不变 ... ``` ### 关键修改说明： 1. **列名标准化**： ```python # 去除空格和特殊字符 df_train.columns = [col.strip().replace(' ', '') for col in df_train.columns] df_test.columns = [col.strip().replace(' ', '') for col in df_test.columns] ``` 2. **列名智能匹配**： ```python # 尝试可能的列名变体 sample_col_candidates = ['文物采样点', '采样点', '文物点', '文物采样位置'] sample_col = None for col in sample_col_candidates: if col in df_test.columns: sample_col = col break ``` 3. **回退机制**： ```python if sample_col is None: # 如果找不到匹配列名，使用第一列 sample_col = df_test.columns[0] print(f"警告: 未找到标准列名, 使用 '{sample_col}' 作为文物采样点") ``` 4. **健壮的文物编号提取**： ```python def extract_id(x): if pd.isna(x): return None if isinstance(x, str): match = re.search(r'(\d+)', x) # 提取数字部分 if match: return match.group(1) return str(x) # 处理非字符串类型 ``` ### 预防类似错误的建议： 1. **数据探索**： ```python # 在读取数据后立即检查列名 print("表单2列名:", df_train.columns.tolist()) print("表单3列名:", df_test.columns.tolist()) ``` 2. **异常处理**： ```python try: df_test['文物采样点'] = df_test['文物采样点'] except KeyError: # 处理列名缺失情况 df_test['文物采样点'] = df_test.iloc[:, 0] ``` 3. **配置文件**： ```python # 使用配置文件管理列名映射 column_mapping = { '表单2': {'sample_point': '文物采样点', 'id': '文物编号'}, '表单3': {'sample_point': '采样点位置', 'id': '文物ID'} } ```