使用Pandas读取CSV计算月均值时遇KeyError: 'Date'的解决问询

这个问题我之前也碰到过，根源在于你用的pd.DataFrame.from_csv方法已经被Pandas弃用，而且它的默认行为会把CSV的第一列当成DataFrame的索引，而不是普通的数据列。这就导致你后续尝试访问data['Date']时，找不到这个列名，从而抛出KeyError: 'Date'。

下面是具体的解决方案和优化后的代码：

核心修复点 #

• 替换为官方推荐的pd.read_csv方法，它的默认行为会正确识别表头，不会把第一列设为索引。
• 显式解析日期列，确保日期格式被正确识别，避免自动解析出错。
• 优化分组求均值的逻辑，让代码更简洁规范。

修改后的完整代码 #

import pandas as pd
import os

os.chdir("in/base/dir")
# 使用pd.read_csv替代已弃用的from_csv，默认将第一行作为表头
data = pd.read_csv("data.csv")
# 显式解析Date列，指定格式匹配你的YEAR-MONTH-DAY（两位年份用%y，四位年份请用%Y）
data['Date'] = pd.to_datetime(data['Date'], format='%y-%m-%d')
# 直接通过dt.month提取月份，比转DatetimeIndex更简洁
data['Month'] = data['Date'].dt.month
# 仅对Data列求月均值，并用reset_index将Month转为普通列
mean_data = data.groupby('Month')['Data'].mean().reset_index()
# 使用Pandas的to_csv方法保存，格式更规范，避免print带来的格式问题
mean_data.to_csv("data_monthly.csv", index=False)

关键细节解释 #

• 为什么用read_csv？
  from_csv是Pandas的旧版方法，现在官方已经不再维护，而read_csv参数更灵活，默认会把CSV的第一行作为表头，所有列都保留为数据列，完美解决你遇到的表头未被识别的问题。
• 显式指定日期格式
  用pd.to_datetime加上format='%y-%m-%d'可以让日期解析更快、更准确，避免Pandas自动猜测格式时出现错误（尤其是当你的数据里有多种日期格式时）。如果你的年份是四位（比如2024-01-01），把%y改成%Y即可。
• 优化分组逻辑
  groupby('Month')['Data'].mean()只针对Data列计算均值，避免对其他列做不必要的计算；reset_index()会把Month从分组后的索引变回普通列，这样保存的CSV会更符合常规格式。
• 用to_csv保存文件
  相比print到文件，to_csv是Pandas专门为CSV设计的保存方法，能正确处理分隔符、表头和索引，输出的文件格式更标准。

内容的提问来源于stack exchange，提问作者steve