通过for循环读取多单列CSV合并为DataFrame失败，求解决方案

我来帮你梳理下代码里的问题，然后给出修正后的可行方案～

你的代码里存在几个关键问题： #

• 变量名拼写错误：你定义了index作为日期索引，但创建DataFrame时写成了indices，这会直接触发NameError。
• 列名匹配错误：因为你设置了header=None读取CSV，所以单列的默认列名是0，而非Dates，调用raw.set_index('Dates')会找不到对应列报错。
• 赋值类型不匹配：你试图把整个raw DataFrame直接赋值给DF的某一列，这会导致数据类型冲突，应该提取单列的数值内容。

修正后的代码方案 #

这里针对你描述的"各CSV包含单列数据"的场景，给出最贴合需求的解决方案：

import numpy as np
import pandas as pd

files = ['a.csv', 'b.csv', 'c.csv']
# 生成日期索引，统一变量名避免混淆
date_index = np.arange(np.datetime64('2010-01-01'), np.datetime64('2010-01-11'))
# 初始化空DataFrame，用日期作为索引
DF = pd.DataFrame(index=date_index)

for i, f in enumerate(files):
    # 读取单列CSV，转成Series更方便赋值
    raw_series = pd.read_csv(f, header=None, squeeze=True)
    # 重新索引对齐到目标日期序列，缺失值自动填充NaN
    aligned_data = raw_series.reindex(date_index)
    # 将数据加入DF，用文件索引作为列名
    DF[f'col_{i}'] = aligned_data

print(DF)

关键修正点说明 #

1. 统一变量名，彻底避免拼写错误和与内置函数的冲突；
2. 使用squeeze=True将单列CSV直接转为Series，大幅简化后续的赋值操作；
3. 通过reindex确保每个CSV的数据和目标日期索引严格对齐，缺失的日期位置会自动填充NaN；
4. 用清晰的列名（如col_0、col_1）区分不同文件的数据，方便后续识别和处理。

内容的提问来源于stack exchange，提问作者Roman