causalimpact包无法识别DataFrame日期索引报日期不存在错误如何解决

报错的核心原因是DataFrame日期索引与传入的周期参数格式完全不匹配：
读取CSV时pandas默认不会自动解析6/26/21这类短日期字符串，直接执行set_index('DT')后，索引存储的是原始短格式字符串，和你传入pre_period/post_period的20210626这类8位无分隔符长日期字符串值不相等，CausalImpact无法在索引中匹配到对应时间点，直接抛出值错误。

• 打印索引前5条值确认实际存储格式：执行print(df.index[:5])，直接查看索引是短日期字符串、datetime类型还是其他格式，和传入的周期参数格式做比对
• 验证日期解析逻辑：检查读CSV时是否配置了日期解析参数，默认参数下pandas会把日期列按普通字符串读入，不会自动做格式转换
• 核对时间范围：确认传入的pre、post周期起止值，确实落在数据集索引覆盖的最早、最晚时间区间内，没有超出数据范围

两种方案都可以解决问题，根据当前代码进度选择即可：

方案1：读取CSV时直接解析日期列（推荐） #

读文件阶段就把DT列转成标准datetime格式，从根源避免格式不匹配问题：

import pandas as pd
from causalimpact import CausalImpact

# 读取时指定解析DT列，匹配原始数据的月/日/两位年短格式
df = pd.read_csv(
    "your_data_file.csv",
    parse_dates=["DT"],
    date_parser=lambda x: pd.to_datetime(x, format="%m/%d/%y")
)
df = df.set_index("DT")

# 周期参数统一用YYYY-MM-DD格式字符串，兼容性最好
pre_period = ["2021-06-26", "2021-06-28"]
post_period = ["2021-06-29", "2021-07-02"]

# 正常初始化不会再报索引不存在的错误
ci = CausalImpact(df, pre_period, post_period)

方案2：转换已生成的索引格式 #

如果已经完成数据读取和索引设置，不需要重新读文件，直接转换索引类型即可：

# 将现有短字符串格式的索引转为标准datetime
df.index = pd.to_datetime(df.index, format="%m/%d/%y")

# 后续周期参数传参和方案1一致
pre_period = ["2021-06-26", "2021-06-28"]
post_period = ["2021-06-29", "2021-07-02"]
ci = CausalImpact(df, pre_period, post_period)

避坑提示：不要给datetime格式的索引传20210626这类无分隔符的数字字符串作为周期参数，部分旧版本causalimpact无法自动识别该格式为合法日期，统一使用YYYY-MM-DD带分隔符的日期字符串传参，不会出现格式兼容问题。

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