Pandas TypeError：仅对 DatetimeIndex、TimedeltaIndex 或 PeriodIndex 有效，但有一个“Int64Index”实例答案

【问题标题】：Pandas TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'Int64Index'Pandas TypeError：仅对 DatetimeIndex、TimedeltaIndex 或 PeriodIndex 有效，但有一个“Int64Index”实例
【发布时间】：2018-01-16 00:27:14
【问题描述】：

我有一些要分析的订单数据。目前感兴趣的是：在哪个月购买了哪个 SKU 的频率？

这里是一个小例子：

import datetime
import pandas as pd
import numpy as np

d = {'sku': ['RT-17']}
df_skus = pd.DataFrame(data=d)
print(df_skus)

d = {'date': ['2017/02/17', '2017/03/17', '2017/04/17', '2017/04/18', '2017/05/02'], 'item_sku': ['HT25', 'RT-17', 'HH30', 'RT-17', 'RT-19']}
df_orders = pd.DataFrame(data=d)
print(df_orders)

for i in df_orders.index:
    print("\n toll")
    df_orders.loc[i,'date']=pd.to_datetime(df_orders.loc[i, 'date'])

df_orders = df_orders[df_orders["item_sku"].isin(df_skus["sku"])]
monthly_sales = df_orders.groupby(["item_sku", pd.Grouper(key="date",freq="M")]).size()
monthly_sales = monthly_sales.unstack(0) 

print(monthly_sales)

这很好，但如果我使用我的真实订单数据（来自 CSV），我会在几分钟后得到：

TypeError: 仅对 DatetimeIndex、TimedeltaIndex 或 PeriodIndex 有效，但获得了 'Int64Index' 的实例

那个问题出在下面一行：

monthly_sales = df_orders.groupby(["item_sku", pd.Grouper(key="date",freq="M")]).size()

是否可以跳过错误？我试过了，除了块：

try:
    monthly_sales = df_orders.groupby(["item_sku", pd.Grouper(key="date",freq="M")]).size()
    monthly_sales = monthly_sales.unstack(0) 
except:
    print "\n Here seems to be one issue"

然后我得到打印（monthly_sales）

空数据框
列：[txn_id、日期、item_sku、数量]
索引：[]

所以我的数据中的某些内容会清空或破坏看起来像的分组？如何“清理”我的数据？
或者，如果我可以“跳过”错误，我什至可以在这里和那里丢失销售数据，这可能吗？

【问题讨论】：

能否请您指出是哪段代码引发了此错误？您对此样本数据有何期望？
是的，抱歉 - 我添加了有问题的代码行，并且我已经尝试过 - 除了麻烦的行。
您需要清理数据。显然，有时您的 df_orders.index 是 DatetimeIndex，有时是 Int64Index。您应该添加一个检查，如if df_orders.index.dtype != pd.DatetimeIndex....

标签： python pandas validation

【解决方案1】：

读取 CSV 文件时，请使用 parse_dates 参数 -

df_order = pd.read_csv('file.csv', parse_dates=['date'])

它会自动将date 转换为日期时间。如果这不起作用，那么您需要将其作为字符串加载，然后使用 errors='coerce' 参数和 pd.to_datetime -

df_order['date'] = pd.to_datetime(df_order['date'], errors='coerce')

请注意，您可以将系列对象（除其他外）传递给 pd.to_datetime`。

接下来，像你一直在做的那样进行过滤和分组，它应该可以工作了。

df_orders[df_orders["item_sku"].isin(df_skus["sku"])]\
     .groupby(['item_sku', pd.Grouper(key='date', freq='M')]).size()

item_sku  date      
RT-17     2017-03-31    1
          2017-04-30    1

【讨论】：