如何在Pandas DataFrame中保留指定日期后的行？解决KeyError报错

问题原因 #

你当前的drop()用法有误：drop()方法需要传入行索引（axis=0）或列名（axis=1）作为要删除的标签，而你直接传入了一个子DataFrame。这会导致Pandas误将子DataFrame的列名当作要删除的标签，从而抛出KeyError。另外，pd.read_csv()返回的已经是DataFrame，无需再用pd.DataFrame()转换，这一步属于冗余操作。

正确实现方法 #

方法1：布尔索引（推荐，简洁高效） #

直接筛选出date列大于等于"2014-10-26"的行，这是Pandas中过滤行的标准做法：

import pandas as pd

# 读取数据（read_csv直接返回DataFrame）
dataset = pd.read_csv("charts.csv")

# 推荐：将date列转换为datetime类型，确保日期比较逻辑准确
dataset['date'] = pd.to_datetime(dataset['date'])

# 筛选符合条件的行
dataset = dataset[dataset['date'] >= "2014-10-26"]

方法2：使用drop()（若坚持用此方法） #

如果一定要用drop()，需要传入要删除的行的索引：

import pandas as pd

dataset = pd.read_csv("charts.csv")
dataset['date'] = pd.to_datetime(dataset['date'])

# 获取需要删除的行的索引（日期早于2014-10-26的行）
rows_to_drop = dataset[dataset['date'] < "2014-10-26"].index

# 删除指定索引的行
dataset = dataset.drop(rows_to_drop)

额外说明 #

• 转换date列为datetime类型是良好实践：虽然YYYY-MM-DD格式的字符串比较也能生效，但转换后可支持更复杂的日期操作（如按月份筛选、计算日期差等）。
• 对于8万行的DataFrame，布尔索引的性能优于drop()，因为它直接生成新的DataFrame，无需额外的索引查找操作。

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