解决两CSV文件列运算时'Name 'X' is not defined'等报错问题

错误原因 #

1. 列名未用字符串包裹：代码里df3[X,Y,Z]中的X、Y是未定义的变量，pandas识别列名必须用字符串，比如['X','Y','Z']。
2. 未初始化DataFrame：df4在赋值前没有创建，直接操作会导致变量类型错误，最终触发'tuple' object has no attribute 'to_csv'报错。
3. 冗余文件读写：先存merge.csv再重新读取完全没必要，直接在合并后的total上计算即可，还能避免索引列的干扰。
4. 默认写入索引列：total.to_csv("merge.csv")会自动添加索引列，读取时会多出Unnamed: 0列，影响后续操作。

修正后的代码（推荐方案，无需中间文件） #

import pandas as pd
import numpy as np

# 读取两个数据文件，指定列名和分隔符
df1 = pd.read_csv('D:\\Work\\Data1.txt', names=['No1','X1','Y1','Z1','Date1','Time1'], sep='\s+')
df2 = pd.read_csv('D:\\Work\\Data19.txt', names=['No','X','Y','Z','Date','Time'], sep='\s+')

# 合并两个DataFrame（确保两行数据是一一对应的）
total = pd.concat([df1, df2], axis=1)

# 计算差值并生成新列
total['X_diff'] = total['X'] - total['X1']
total['Y_diff'] = total['Y'] - total['Y1']
total['Z_diff'] = total['Z'] - total['Z1']

# 提取需要的列保存（可按需调整）
result = total[['No', 'X_diff', 'Y_diff', 'Z_diff', 'Date', 'Time']]
result.to_csv("difference.csv", index=False)

print(result)

若坚持使用中间文件merge.csv的修正方案 #

import pandas as pd
import numpy as np

df1 = pd.read_csv('D:\\Work\\Data1.txt', names=['No1','X1','Y1','Z1','Date1','Time1'], sep='\s+')
df2 = pd.read_csv('D:\\Work\\Data19.txt', names=['No','X','Y','Z','Date','Time'], sep='\s+')

total = pd.concat([df1, df2], axis=1)
# 保存时不写入索引，避免读取时多出冗余列
total.to_csv("merge.csv", index=False)

# 读取中间文件
df3 = pd.read_csv('merge.csv')

# 初始化空DataFrame存储差值
df4 = pd.DataFrame()
df4['X_diff'] = df3['X'] - df3['X1']
df4['Y_diff'] = df3['Y'] - df3['Y1']
df4['Z_diff'] = df3['Z'] - df3['Z1']

# 可选：添加参考列（No、Date、Time等）
df4 = pd.concat([df3[['No', 'Date', 'Time']], df4], axis=1)

df4.to_csv("difference.csv", index=False)
print(df4)

关键修正点 #

• 所有列名必须用字符串包裹，比如df3['X']而非df3[X]。
• 操作DataFrame前先初始化，比如df4 = pd.DataFrame()。
• 保存CSV时添加index=False，避免自动生成的索引列干扰数据。
• 减少不必要的文件读写，提升代码运行效率。

内容的提问来源于stack exchange，提问作者Aqib