Pandas Period列转换频率遇NaT问题：为何设为索引才正常？

问题场景 #

处理Pandas Period类型数据时，将日期列转成月度周期（to_period('M')）后，想要转成年度周期：

• 直接对Series调用asfreq('Y')，结果全是NaT
• 将该列设为索引后再调用asfreq('Y')却能正常工作

示例代码：

import pandas as pd
from datetime import datetime
data = pd.DataFrame({
    'status' :  ['pending', 'pending','pending', 'canceled','canceled','canceled', 'confirmed', 'confirmed','confirmed'],
    'product' : ['afiliates', 'pre-paid', 'giftcard','afiliates', 'pre-paid', 'giftcard','afiliates', 'pre-paid', 'giftcard'],
    'brand' : ['brand_1', 'brand_2', 'brand_3','brand_1', 'brand_2', 'brand_3','brand_1', 'brand_2', 'brand_3'],
    'date' : [datetime(2022,1,1),datetime(2023,6,1),datetime(2020,1,12),datetime(2025,1,1),datetime(2024,1,1),datetime(2023,1,1),datetime(2021,1,1),datetime(2022,1,1),datetime(2022,1,1)],
    'gmv' : [100,100,100,100,100,100,100,100,100]})
# 设置月度周期列
data['month'] = data.date.dt.to_period('M')
# 直接调用asfreq得到NaT
data['year'] = data.month.asfreq('Y')
# 设为索引后asfreq正常工作
data['year'] = data['month']
data = data.set_index('year')
data = data.asfreq('Y')

原因分析 #

核心差异在于普通Series的asfreq()方法和基于PeriodIndex的asfreq()逻辑完全不同：

• 普通Series调用asfreq()时，它的设计是针对带时间索引的序列进行重采样/频率转换，而非对Series内部的Period值做类型转换。因为month列是普通数据列而非索引，asfreq('Y')无法识别如何将单个月度Period转成年度，直接返回NaT。
• 当把Period列设为索引后，DataFrame的asfreq('Y')是基于PeriodIndex操作的，此时会正确将每个月度Period映射到对应的年度Period（比如2023-06 → 2023）。

正确解决方案 #

不需要绕到索引，直接对Period列用以下两种方法就能完成转换：

方法1：用dt.to_period('Y') #

data['year'] = data['month'].dt.to_period('Y')

方法2：用astype('period[Y]') #

data['year'] = data['month'].astype('period[Y]')

验证结果 #

执行后data['year']会正确显示每个月度对应的年度周期，不会出现NaT。

内容的提问来源于stack exchange，提问作者FábioRB