使用Pandas从HTML文件导入数据集后提取指定列触发TypeError的问题求助

Hey，我看你遇到的问题其实是对pd.read_html()的返回值理解有点偏差，咱们来一步步解决它：

问题根源 #

pd.read_html()这个函数返回的不是单个DataFrame，而是DataFrame的列表——因为HTML页面里可能存在多个表格，哪怕你的文件里只有一个表格，它也会把这个表格包裹在列表里返回。你直接用df['Latest Data']去索引列表，自然会触发TypeError: list indices must be integers or slices, not str错误，因为列表只能用整数索引或者切片，不能用字符串列名。

解决方案 #

你只需要先从列表中取出目标DataFrame，再用列名提取数据就行，步骤如下：

1. 先获取HTML里的所有表格（返回列表）
2. 取出列表中的第一个（也是你数据里唯一的）DataFrame
3. 正常用列名提取所需数据

修改后的完整代码如下：

import requests
import os
import pandas as pd
from bs4 import BeautifulSoup

# 读取HTML文件，得到包含所有表格的DataFrame列表
df_list = pd.read_html(os.path.expanduser("~/Documents/HTMLSpider/HTMLSpider_test/spotgamma.html"))
# 取出列表中的第一个表格（如果有多个表格，你可以用len(df_list)查看数量，再选对应索引）
df = df_list[0]
# 现在可以正常提取'Latest Data'列了
print(df['Latest Data'])

额外小贴士 #

如果不确定哪个表格是你要的，可以遍历列表打印每个表格的结构，快速定位：

for idx, table in enumerate(df_list):
    print(f"=== 表格{idx} ===")
    print("列名：", table.columns.tolist())
    print(table.head(), "\n")

这样你就能精准找到目标表格的索引，避免出错。

内容的提问来源于stack exchange，提问作者Vincent