Python中DatetimeIndex转季度字符串遇UFuncTypeError求助

最优方案：使用Pandas原生方法（推荐） #

不需要借助Numpy，Pandas的DatetimeIndex自带直接转换的方法，更简洁且不易出错：

import pandas as pd

# 初始化你的DatetimeIndex
proj_index = pd.DatetimeIndex(
    ['1990-03-31', '1990-06-30', '1990-09-30', '1990-12-31',
     '2017-03-31', '2017-06-30', '2017-09-30', '2017-12-31'],
    dtype='datetime64[ns]', length=112, freq='Q-DEC'
)

# 方法1：用strftime格式化
proj_str = proj_index.strftime('%YQ%q')
# 输出示例：array(['1990Q1', '1990Q2', ..., '2017Q4'], dtype='<U5')

# 方法2：转换为季度Period后转字符串
proj_str = proj_index.to_period('Q').astype(str)
# 输出示例：array(['1990Q1', '1990Q2', ..., '2017Q4'], dtype=object)

修复你原有Numpy代码的方案 #

如果你坚持使用Numpy处理，需要解决类型不匹配的问题：

错误原因分析

1. 第一个错误TypeError: can only concatenate str (not "numpy.bytes_") to str：np.char.array处理整数时生成的是字节型数组，直接与Python字符串'Q'拼接会触发类型冲突。
2. 第二个错误UFuncTypeError: ufunc 'add' did not contain a loop with signature matching types：对Numpy数组直接调用decode()无效，需用np.char.decode批量处理字节数组；同时拼接时要确保所有操作数都是同类型的Numpy字符数组。

修复后的代码

import numpy as np
import pandas as pd

proj_index = pd.DatetimeIndex(
    ['1990-03-31', '1990-06-30', '2017-12-31'],
    dtype='datetime64[ns]', freq='Q-DEC'
)

# 方案1：先将整数转为字符串再创建Numpy字符数组
year_arr = np.char.array(proj_index.year.astype(str))
quarter_arr = np.char.array(proj_index.quarter.astype(str))
proj_index_str = year_arr + 'Q' + quarter_arr

# 方案2：处理字节数组并解码
year_bytes = np.char.array(proj_index.year)
year_str = np.char.decode(year_bytes, encoding='utf-8')
quarter_bytes = np.char.array(proj_index.quarter)
quarter_str = np.char.decode(quarter_bytes, encoding='utf-8')
proj_index_str = year_str + 'Q' + quarter_str

两种方案最终都会得到你期望的格式：array(['1990Q1', '1990Q2', ..., '2017Q4'], dtype='<U5')

内容的提问来源于stack exchange，提问作者Amel Laref