执行共线性分析遇KeyError：Int64Index不在列中求助

首先，直接帮你定位核心问题：你遇到的KeyError根本原因不是分隔符，也不是np.arange的冲突，而是用位置整数索引直接访问DataFrame列名导致的。

为什么会报错？ #

你的代码里variables = range(X.shape[1])生成的是列的位置索引（0、1、2、3），但当你用X[variables]时，pandas会默认按列名去查找，而你的DataFrame列名是Year、Age这类字符串，根本不存在名为0/1/2/3的列，自然会抛出KeyError。另外，range对象是不可变的，del variables[maxloc]这行代码本身也会报错，你能运行到KeyError说明可能手动把range改成了列表，但存储的还是位置索引，问题依然存在。

先排除分隔符疑虑 #

从你打印的training_set结果来看，列名和数据都正确加载了，说明sep=";"的设置没问题，这个猜测可以排除。

修正后的VIF函数 #

下面是修复后的代码，我调整了变量索引的方式，改用列名列表来操作：

from statsmodels.stats.outliers_influence import variance_inflation_factor
import pandas as pd
import numpy as np

# 读取数据（你的这部分代码没问题）
read_training_set = pd.read_csv('C:\\Users\\rapha\\Desktop\\New test\\Classeur1.csv', sep=";")
training_set = pd.DataFrame(read_training_set)
print(training_set)

def calculate_vif_(X):
    thresh = 5.0
    # 初始化为列名列表，而非位置索引
    variables = list(X.columns)
    
    # 用while循环动态处理变量删除，避免for循环的固定次数问题
    while len(variables) > 1:
        # 针对当前变量子集计算VIF
        vif_values = [variance_inflation_factor(X[variables].values, ix) for ix in range(len(variables))]
        print(f"当前VIF值: {vif_values}")
        
        max_vif = max(vif_values)
        maxloc = vif_values.index(max_vif)
        
        if max_vif > thresh:
            dropped_var = variables[maxloc]
            print(f'删除变量 \'{dropped_var}\'，其VIF值为: {max_vif}')
            del variables[maxloc]
        else:
            # 所有变量VIF都低于阈值，停止循环
            break
    
    print('剩余变量:')
    print(variables)
    # 返回筛选后的DataFrame
    return X[variables]

X = training_set
X2 = calculate_vif_(X)

关键修改点说明 #

1. 用列名列表代替位置索引：variables = list(X.columns)直接存储列名，这样X[variables]能正确选取对应的列，不会触发KeyError。
2. 改用while循环：因为每次删除变量后，剩余变量数量会减少，while循环可以动态判断何时停止，比固定次数的for循环更合理。
3. 明确返回筛选结果：原函数返回的是原始X，修正后返回X[variables]，即筛选后的变量子集。

针对你的数据的额外说明 #

你的DataFrame中所有变量都是完全线性相关的（Year每增加1，Age、Weight、Size也同步+1），所以计算出的VIF会是无穷大，函数会逐步删除变量，直到剩下最后一个符合阈值要求的变量。

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