Pandas TypeError：仅对 DatetimeIndex、TimedeltaIndex 或 periodIndex 有效，但获得了“Int64Index”的实例

我有一些想要分析的订单数据。 目前感兴趣的是：哪个 SKU 在哪个月被购买的频率是多少？

这是一个小例子：

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)

这工作正常，但如果我使用我的真实订单数据（来自 CSV），几分钟后我会得到：

类型错误：仅对 DatetimeIndex、TimedeltaIndex 或 periodIndex 有效，但获得了“Int64Index”的实例

这个问题来自于这一行：

Monthly_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 try except 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]
指数： []

那么我的数据中的某些内容似乎清空或破坏了分组？ 如何“清理”我的数据？
或者，如果我可以“跳过”错误，我什至可以随意丢失销售数据，这可能吗？

读取 CSV 时，请使用parse_dates争论 -

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

哪个会自动转换date到日期时间。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'与争论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，像您一直在做的那样进行过滤和分组，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