使用pandas将CSV的date列设为索引时出现KeyError: 'date'报错如何解决

报错原因 #

该报错本质是读入后的DataFrame中不存在名为date的列，具体触发场景如下：

• read_csv分隔符参数配置错误：你代码中写的sep='delimiter'是错误配置，delimiter是分隔符参数的名称而非取值，该配置会让pandas将每一行完整内容识别为单个列，不会拆分出独立的date列
• 列名存在隐藏字符：CSV表头的date前后可能存在空格、不可见特殊字符，导致代码中写的date无法匹配到真实列名
• CSV无对应表头：如果文件首行不是表头、直接存储数据，pandas会默认将第一行数据识别为表头，也会找不到date列

解决步骤 #

1. 先确认当前DataFrame的列名情况，执行代码打印所有列名：

print(file.columns.tolist())

如果输出只有一个长字符串的列名，说明是分隔符配置错误；如果输出有date但前后带空格，说明列名有隐藏字符；如果完全没有date相关内容，说明表头缺失。

2. 针对性修正问题

• 修正分隔符配置：逗号分隔的CSV直接删除sep='delimiter'配置即可，pandas默认按逗号分隔；如果是其他分隔符（制表符、分号等），对应指定sep='\t'或sep=';'
• 清理列名隐藏字符：执行代码批量去除列名前后的空格/特殊字符：

file.columns = file.columns.str.strip()

• 无表头场景处理：如果CSV没有表头，读入时指定header=None并手动设置列名：

# 按实际列数量补充names参数的列名
file = pd.read_csv('file.csv', encoding='latin-1', header=None, names=['date', 'col1', 'col2'])

3. 优化索引设置逻辑
   你原有索引设置写法可以简化，同时指定日期格式避免解析错误（示例日期格式为日/月/年）：

file = file.set_index(pd.to_datetime(file['date'], format='%d/%m/%Y'))

也可以在读入阶段直接完成日期解析和索引设置，简化代码：

file = pd.read_csv(
    'file.csv',
    encoding='latin-1',
    index_col='date',
    parse_dates=True,
    date_parser=lambda x: pd.to_datetime(x, format='%d/%m/%Y')
)

内容的提问来源于stack exchange，提问作者milad