使用parse_dates和index_col创建DataFrame时遭遇URLError报错求助

问题根源 #

你使用的是GitHub文件的网页展示链接（blob路径），而非CSV文件的原始数据链接。pd.read_csv()只能直接读取纯文本格式的数据源，无法解析GitHub的网页HTML内容，因此抛出URLError。

解决方案 #

1. 获取正确的原始CSV链接：
   打开GitHub上的cardioActivities.csv文件页面，点击右上角的「Raw」按钮，复制弹出的纯文本链接。该文件的正确链接为：https://raw.githubusercontent.com/jbandzo/IBM-DATA-SCIENCE/main/cardioActivities.csv

2. 修改代码并添加目标参数：
   将链接替换为原始链接，同时加入parse_dates和index_col参数（假设日期列名为Date，可根据实际列名调整）。修改后的代码如下：

import pandas as pd

# 替换为原始CSV文件链接
runkeeper_file = 'https://raw.githubusercontent.com/jbandzo/IBM-DATA-SCIENCE/main/cardioActivities.csv'

# 添加parse_dates和index_col参数解析日期并设为索引
df = pd.read_csv(runkeeper_file, parse_dates=['Date'], index_col='Date')

# 查看随机3行数据
display(df.sample(3))

# 查看数据结构信息
display(df.info())

额外说明 #

• parse_dates=['Date']：告诉pandas将Date列解析为datetime格式
• index_col='Date'：将解析后的日期列设为DataFrame的索引
• 若日期列名不是Date，可通过先读取少量数据（如df.head()）确认列名后调整参数

内容的提问来源于stack exchange，提问作者Joaky