import pandas as pd

# 模擬讀取Excel數(shù)據(jù)
data = pd.DataFrame({
    'user_id': [1, 2, 3],
    'city': ['北京', '上海', '廣州']
})

# 創(chuàng)建空字典統(tǒng)計(jì)城市數(shù)量
city_count = {}

# 遍歷數(shù)據(jù)并統(tǒng)計(jì)
for index, row in data.iterrows():
    city = row['city']  # 關(guān)鍵行：可能觸發(fā)KeyError
    if city in city_count:
        city_count[city] += 1
    else:
        city_count[city] = 1

print(city_count)

my_dict = {'name': 'Alice', 'age': 25}
print(my_dict['gender'])  # 報(bào)錯(cuò)：KeyError: 'gender'

# 方法1：統(tǒng)一清理列名空格
data.columns = data.columns.str.strip()  # 去除所有列名前后空格

# 方法2：打印列名檢查
print(data.columns.tolist())  # 輸出：['user_id', 'city']（確認(rèn)無空格）

# 方法3：使用get()方法安全訪問
city = row.get('city')  # 若鍵不存在返回None，不會(huì)報(bào)錯(cuò)

age_col = 'age_' + str(2023)  # 假設(shè)本應(yīng)生成'age_2023'
data = pd.DataFrame({'age_2022': [20, 25, 30]})

# 錯(cuò)誤代碼
print(data[age_col])  # 報(bào)錯(cuò)：KeyError: 'age_2023'

# 方法1：檢查鍵是否存在
if age_col in data.columns:
    print(data[age_col])
else:
    print(f"列名{age_col}不存在")

# 方法2：使用try-except捕獲異常
try:
    print(data[age_col])
except KeyError:
    print(f"列名{age_col}不存在，請(qǐng)檢查數(shù)據(jù)")

nested_data = {
    '北京': {'朝陽區(qū)': 3, '海淀區(qū)': 2},
    '上海': {'浦東新區(qū)': 5}
}

# 錯(cuò)誤代碼：訪問不存在的省份
print(nested_data['廣州']['天河區(qū)'])  # 報(bào)錯(cuò)：KeyError: '廣州'

# 方法1：鏈?zhǔn)絞et()方法
guangzhou_count = nested_data.get('廣州', {}).get('天河區(qū)', 0)
print(guangzhou_count)  # 輸出：0（不會(huì)報(bào)錯(cuò)）

# 方法2：使用defaultdict自動(dòng)初始化
from collections import defaultdict

# 創(chuàng)建嵌套默認(rèn)字典
nested_default = defaultdict(lambda: defaultdict(int))
nested_default['廣州']['天河區(qū)'] += 1
print(nested_default['廣州']['天河區(qū)'])  # 輸出：1
print(nested_default['北京']['朝陽區(qū)'])  # 輸出：0（自動(dòng)初始化）

my_dict = {'name': 'Alice'}
print(my_dict.get('age', 0))  # 輸出：0（不會(huì)報(bào)錯(cuò)）

if 'age' in my_dict:
    print(my_dict['age'])
else:
    print("年齡數(shù)據(jù)缺失")

try:
    print(my_dict['age'])
except KeyError:
    print("年齡鍵不存在，請(qǐng)檢查數(shù)據(jù)")
    my_dict['age'] = 0  # 可選：初始化默認(rèn)值

from collections import defaultdict

count_dict = defaultdict(int)  # 默認(rèn)值為0
count_dict['apple'] += 1
print(count_dict['banana'])  # 輸出：0（自動(dòng)初始化）

# 去除列名前后空格
data.columns = data.columns.str.strip()

# 統(tǒng)一列名為小寫
data.columns = data.columns.str.lower()

# 替換特殊字符（如將空格替換為下劃線）
data.columns = data.columns.str.replace(' ', '_')

import pandas as pd
from collections import defaultdict

# 模擬臟數(shù)據(jù)
data = pd.DataFrame({
    'user_id': [1, 2, 3],
    'city ': ['北京', '上海', '廣州'],  # 列名含空格
    'age': [20, None, 30]  # 含缺失值
})

# 法寶5：數(shù)據(jù)清洗
data.columns = data.columns.str.strip()  # 去除列名空格
print("清洗后列名：", data.columns.tolist())  # 輸出：['user_id', 'city', 'age']

# 法寶1+法寶3：安全訪問缺失值
age_sum = defaultdict(float)
age_count = defaultdict(int)

for _, row in data.iterrows():
    city = row['city']
    age = row['age']
    
    # 法寶1：用get()處理可能缺失的age列（若列不存在）
    # age = row.get('age')  # 若age列可能不存在時(shí)使用
    
    # 處理缺失值（若age為None）
    if pd.notna(age):  # 法寶3：捕獲異常的替代方案
        age_sum[city] += age
        age_count[city] += 1

# 計(jì)算平均年齡
avg_age = {city: age_sum[city]/age_count[city] if age_count[city] > 0 else 0 
            for city in age_sum}
print("各城市平均年齡：", avg_age)  # 輸出：{'北京': 20.0, '廣州': 30.0, '上海': 0}