使用Pandas读取CSV构建AI模型时遭遇KeyError问题求助

问题原因 #

• 多列选取语法错误：你的代码中选取多列时使用了data['col1','col2']的格式，这会被pandas识别为一个元组类型的键去查找列，但DataFrame中不存在这个元组作为列名，因此触发KeyError。正确的多列选取应该用列表包裹列名，即data[['col1','col2']]。
• 重复列名导致的列名变化：你的CSV数据中存在重复列名（比如Butane、Alkylate等出现两次），pandas读取时会自动为重复列名添加后缀（如Butane.1、Alkylate.1），原代码中直接使用原始重复列名会找不到对应的列。

修正后的代码 #

import pandas as pd

# 读取数据
data = pd.read_csv(r'F:\OMS-Development\Python-AI Models\AI Model FHR-RVP Data.csv')

# 查看实际列名（可选，用于确认重复列的后缀）
print(data.columns.tolist())

# 正确选取多列（注意处理重复列名的后缀）
X = data[['BatchID', 'Butane', 'Alkylate', 'Virgin_Naphtha', 'Hydrotreated_Heavy_Naphtha', 
          'Light_hydrocracked_Naphtha', 'Light_hydrotreated_Naphtha', 'Butane.1', 'Alkylate.1', 
          'Virgin_Naphtha.1', 'Hydrotreated_Heavy_Naphtha.1', 'Light_hydrocracked_Naphtha.1', 
          'Light_hydrotreated_Naphtha.1', 'RVP_Blend']]

额外注意事项 #

• 运行print(data.columns.tolist())可以查看pandas实际读取到的列名，确认重复列的后缀，避免因列名不匹配导致错误。
• 如果业务逻辑中重复列代表不同含义（比如前一组是比例，后一组是实际值），建议提前修改CSV表头为唯一名称（如Butane_Ratio、Butane_Value），避免后续处理混淆。

内容的提问来源于stack exchange，提问作者Suresh Agrawal