使用pandas读取CSV设置index_col=0报错，求合并年月为日期索引方案

错误原因分析 #

你遇到的Argument 'values' has incorrect type (expected numpy.ndarray, got Index)错误，是因为同时使用parse_dates=[['year', 'month']]和index_col=0时，pandas的日期解析逻辑出现冲突：index_col=0会把原CSV的第一列（No）设为索引，而parse_dates在处理合并列时，错误地将索引对象传入了date_parser函数，导致类型不匹配。

另外你提到执行代码后数据集还保留了No列，是因为index_col=0已经把No设为索引，后续drop('No', axis=1)自然无效——因为索引不在列的范围内。

解决方案 #

以下两种方法都能实现你的需求：生成年月格式的日期索引，仅保留gw、temp、evap列，且适合绘图场景。

方法一：分步处理（更直观） #

先读取原始数据，再手动合并日期列并设置索引：

from datetime import datetime
import pandas as pd

# 1. 读取CSV，不提前设置索引或解析日期
dataset = pd.read_csv('data_test1.csv')

# 2. 合并year和month为日期字符串，转成年月周期类型（适合绘图的时间轴处理）
dataset['year_month'] = dataset.apply(lambda row: f"{row['year']} {row['month']}", axis=1)
dataset['year_month'] = pd.to_datetime(dataset['year_month'], format='%Y %m').dt.to_period('M')

# 3. 设置日期列为索引，删除冗余列
dataset.set_index('year_month', inplace=True)
dataset.drop(['No', 'year', 'month'], axis=1, inplace=True)

# 查看结果
print(dataset.head())

方法二：调整read_csv参数（更简洁） #

避免同时使用parse_dates合并列和index_col，先解析日期列再设置索引：

from datetime import datetime
import pandas as pd

def parse(x):
    return datetime.strptime(x, '%Y %m')

# 读取时合并year和month为日期列，不设置index_col
dataset = pd.read_csv('data_test1.csv', parse_dates=[['year', 'month']], date_parser=parse)
# 将合并后的日期列转成年月周期格式并设为索引
dataset.set_index(dataset['year_month'].dt.to_period('M'), inplace=True)
# 删除冗余列
dataset.drop(['No', 'year_month'], axis=1, inplace=True)

# 查看结果
print(dataset.head())

关键说明 #

• 用pd.Period('M')生成的年月索引是专门的时间周期类型，比纯字符串更适合绘图时的时间轴排序、自动格式化。
• 如果一定要保留YYYY MM的字符串格式，只需去掉转Period的步骤，直接用合并后的字符串作为索引即可。

内容的提问来源于stack exchange，提问作者Betabore