当 csv 文件实际列数多于表头声明列数时，pandas 会将多余列“挤入”首行作为索引，导致本应为字符串的日期列（如 "1979-01"）被错误解析为 float64 类型的索引标签，而非 dataframe 的常规列。
当 csv 文件实际列数多于表头声明列数时，pandas 会将多余列“挤入”首行作为索引，导致本应为字符串的日期列（如 "1979-01"）被错误解析为 float64 类型的索引标签，而非 dataframe 的常规列。
这个问题看似离奇——float64 怎么可能包含连字符（-）？但真相并非数据类型本身支持符号，而是根本没被正确读作一列数据。
你加载的 CO₂ 数据集（co2-mm-gl.csv）原始文件仅有 4 个列名（Date,Decimal Date,Average,Trend），但每行实际包含 6 个逗号分隔值。例如：
Date,Decimal Date,Average,Trend 1979-01,1979.042,336.56,0.11,335.92,0.09
由于列名不足，pandas 默认行为是：
✅ 将前 4 个字段按表头对齐 → Date, Decimal Date, Average, Trend
❌ 剩余 2 个字段（335.92, 0.09）无对应列名 → 被合并进第一列（即 Date 列）的索引位置，成为 MultiIndex 或隐式索引的一部分
更关键的是：当你未指定 index_col=False 且列数错配时，pandas 可能将首列（含 1979-01）误判为行索引（Index），而后续数值列（如 1979.042, 336.56…）被左移填充 —— 此时你在 df.dtypes 中看到的 "Date" 实际并不存在于 df.columns 中，它只是 df.index 的一部分；而你误以为的 "Date" 列，其实是 df.iloc[:, 0]，其值实为 1979.042 等浮点数（即第二列内容被顶替为第一列），因此显示为 float64。
? 验证方法：
import pandas as pd
df = pd.read_csv("co2-mm-gl.csv")
print("Columns:", df.columns.tolist())
print("Index type:", type(df.index))
print("First few rows:\n", df.head(3))
你大概率会看到：
- Columns: ['Decimal Date', 'Average', 'Trend', 'Unnamed: 4', 'Unnamed: 5']（无 'Date' 列）
- Index type:
，且 df.index[0] 输出类似 '1979-01 1979.042' 的字符串
✅ 正确解决方案（推荐）：
明确指定列名，确保数量匹配，并禁用自动索引推断：
# 方案1：修复CSV文件（推荐长期维护）
# 在文件首行补全列名：Date,Decimal Date,Average,Trend,Value1,Value2
# 方案2：代码中直接指定列名（无需改文件）
cols = ["Date", "Decimal Date", "Average", "Trend", "Value1", "Value2"]
df = pd.read_csv("co2-mm-gl.csv", names=cols, header=0) # header=0 表示跳过原错误表头
# 方案3：强制将首列作为普通列（最简修复）
df = pd.read_csv("co2-mm-gl.csv", header=0, usecols=range(6),
names=["Date", "Decimal Date", "Average", "Trend", "Value1", "Value2"])
✅ 后续处理日期：
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m') # 自动转为 datetime64 df['Year'] = df['Date'].dt.year df['Month'] = df['Date'].dt.month
⚠️ 注意事项：
- 不要依赖 df['Date'].str[:4]，除非确认该列为 object（string）类型；否则先用 df.dtypes 和 df.info() 检查真实结构；
- usecols + names 组合比单纯 header=0 更鲁棒，可避免列数错配引发的静默偏移；
- 若需保留原始 CSV 结构，可用 skiprows=1 跳过错误表头，再手动 names= 定义六列。
归根结底：float64 本身绝不可能存储 "1979-01"；你看到的异常类型，本质是数据解析错位引发的“幻影列”现象——修复列名对齐，一切自然回归正轨。
