Python Pandas逐行修改DataFrame日期值遇KeyError报错求助

1. 触发KeyError的直接原因 #

你执行这段代码后：

df = pd.to_datetime(df['colA']).dt.weekday

原本的DataFrame被替换成了Series（仅包含一列数据，无列索引），所以后续函数里调用df['colA']会触发KeyError——因为Series不存在名为'colA'的键。

2. 代码逻辑的其他问题 #

• 循环里每次固定取iloc[0]的值，没有遍历每行数据
• df.at[i,col] + 1仅做了加法运算，但未将结果赋值回DataFrame
• Pandas中应尽量避免逐行for循环，效率极低，优先用矢量化操作

3. 结合你的核心需求修正代码 #

你的目标是让新日期与原始日期的星期几保持一致（比如原始是周一，新日期是周二就往前调1天），以下是完整的实现代码：

import pandas as pd
from datetime import timedelta

# 读取Excel，保留原始日期列
df = pd.read_excel("Test.xlsx", usecols=[0], header=None, names=['原始日期'])

# 新增列：原始日期对应的星期数（0=周一，6=周日）
df['原始星期'] = pd.to_datetime(df['原始日期']).dt.weekday

# ------------------- 模拟新增新日期列（实际替换为你的真实新日期数据） -------------------
# 示例：给每个原始日期加1年作为新日期
df['新日期'] = pd.to_datetime(df['原始日期']) + pd.DateOffset(years=1)

# 新增列：新日期对应的星期数
df['新日期星期'] = pd.to_datetime(df['新日期']).dt.weekday

# 计算调整天数：让新日期星期与原始星期匹配
df['调整天数'] = (df['原始星期'] - df['新日期星期']) % 7

# 生成最终调整后的日期
df['调整后日期'] = df['新日期'] + pd.to_timedelta(df['调整天数'], unit='D')

# 查看结果
print(df[['原始日期', '新日期', '调整后日期']])

4. 针对你测试代码的最小修复 #

如果只是想修复原for循环的报错，同时保留基础逻辑，可以这样改：

import pandas as pd
from datetime import date, timedelta, datetime

# 读取数据，保留DataFrame结构
df = pd.read_excel("Test.xlsx", usecols=[0], header=None, names=['colA'])

# 不替换原始df，新增列存储星期数
df['星期数'] = pd.to_datetime(df['colA']).dt.weekday

print(df)

def new_Date(df, col):
    for i in df.index:
        # 取当前行的星期数，而非固定取第0行
        A_val = df.loc[i, col]
        if A_val == 0:
            # 将计算结果赋值回去，这里是示例逻辑，可替换为你的调整规则
            df.loc[i, col] = A_val + 1

# 传入新增的'星期数'列
new_Date(df, '星期数')
print(df)

内容的提问来源于stack exchange，提问作者Oatnuj