使用pd.read_csv解析日期后无法访问日期列如何解决

• 参数传参错误：你代码中写的index_col=6和提供的CSV结构完全不匹配。样例CSV仅包含Name/Date/Data3列，列索引从0开始计数，Date列对应索引为1，不存在索引为6的列。
• 访问逻辑错误：当通过index_col参数把某一列设为DataFrame行索引后，该列会从普通列集合中移除，无法再通过data["列名"]的方式访问，这是触发键访问错误的核心原因。
• 绘图逻辑缺失：读取完成后单独用pd.to_datetime转换日期格式时，如果没有将日期列设为行索引，也没有在绘图时显式指定X轴对应的列，绘图方法会默认用行序号作为X轴，不会自动生成时间刻度。

以下代码可直接跑通，同时满足日期解析、自动时间轴绘图、自定义时间范围筛选的需求：

1. 正确读取并解析日期 #

优先用列名指定解析和索引规则，避免数错列位置导致的错误，高版本pandas直接指定日期格式解析效率更高：

import pandas as pd

# 读取CSV时直接解析日期、设为时间索引
data = pd.read_csv(
    "Data.csv",
    parse_dates=["Date"],
    index_col="Date",
    date_format="%m/%d/%Y %H:%M:%S" # 替换掉自定义date_parser，解析速度更快
)

此时Date列已经转为DatetimeIndex，访问时间数据直接用data.index即可，不需要通过列方式访问。

2. 实现自定义时间范围筛选 #

DatetimeIndex原生支持时间字符串切片，直接把用户选择的起止时间传入即可完成筛选，性能远高于普通列的布尔筛选：

# 示例：接收用户选择的起止时间，替换成实际交互拿到的值即可
user_selected_start = "2022-05-14 21:00:00"
user_selected_end = "2022-05-14 22:00:00"
# 切片筛选目标时间范围的数据
filter_data = data.loc[user_selected_start:user_selected_end]

3. 自动生成时间轴图表 #

因为已经将日期设为DatetimeIndex，直接调用绘图方法会自动识别X轴为时间类型，自动生成适配的时间刻度：

# 绘制筛选后的数据，自动带时间X轴
filter_data["Data"].plot()

如果你需要保留Date作为普通列存在，不需要设为索引，也可以用以下逻辑实现：

# 读取时不设置索引
data = pd.read_csv("Data.csv")
# 转换日期列格式
data["Date"] = pd.to_datetime(data["Date"], format="%m/%d/%Y %H:%M:%S")
# 用布尔索引筛选时间范围
filter_data = data[(data["Date"] >= user_selected_start) & (data["Date"] <= user_selected_end)]
# 绘图时显式指定X轴为Date列，即可生成时间轴
filter_data.plot(x="Date", y="Data")

• 所有和列相关的pandas参数优先传列名，不要传数字索引，避免后续CSV列顺序调整、列数统计错误引发的bug。
• 时间序列场景下优先将时间列设为DatetimeIndex，不管是筛选、重采样还是绘图的性能和便捷度都远高于普通列存储。
• 日期格式固定的场景下，直接传date_format参数指定格式，比自定义date_parser的解析速度高5~10倍。

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