Pandas TypeError：仅对DatetimeIndex，TimedeltaIndex或PeriodIndex有效，但具有“ Int64Index”的实例

Question

我有一些要分析的订单数据。当前感兴趣的是：在哪个月份多久购买一次SKU？

这里有个小例子：

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)

效果很好，但是如果我使用真实订单数据（来自CSV），则几分钟后会得到：

TypeError：仅对DatetimeIndex，TimedeltaIndex或PeriodIndex有效，但具有“ Int64Index”的实例

这个问题来自于线：

month_sales = df_orders.groupby（[[“ item_sku”，pd.Grouper（key =“ date”，freq =“ M”）]）。size（）

是否可以跳过该错误？我尝试了一下，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）

空的DataFrame
列：[txn_id，日期，item_sku，数量]
索引：[]

因此，我的数据中的某些内容可能会清空或阻止分组吗？如何“清理”我的数据？
或者，我什至可以在这里和那里丢失销售数据，如果我可以“跳过”错误，那有可能吗？

Answer 1

读取CSV时，请使用parse_dates参数-

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

它会自动转换date为日期时间。如果这不起作用，则需要将其作为字符串加载，然后将errors='coerce'参数与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，按照您的操作进行过滤和分组，它应该可以工作。

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