Pandas 2.0按周分组求和报错：datetime类型相加不支持

错误原因 #

你的代码在Pandas 2.0中报错，是因为groupby.sum()会尝试对所有列（包括datetime类型的date列）执行求和操作，而datetime类型不支持加法运算。旧版本Pandas可能默认忽略了datetime列的求和，但2.0版本变得更严格，直接抛出类型错误。

修复方案 #

方案1：直接指定分组键（推荐）

先将date列转为datetime类型，然后通过pd.Grouper指定分组键为date，避免保留重复的datetime列导致求和冲突：

import pandas as pd

# 转换date列为datetime类型
articles_df['date'] = pd.to_datetime(articles_df['date'])
# 按周分组求和
by_week_df = articles_df.groupby(pd.Grouper(key='date', freq='1W')).sum().reset_index()

方案2：指定聚合的数值列

如果坚持使用set_index的方式，需要明确指定只对数值列（in_count和out_count）求和，跳过datetime类型的列：

import pandas as pd

articles_df['date'] = pd.to_datetime(articles_df['date'])
by_week_df = articles_df.set_index('date').groupby(pd.Grouper(freq='1W'))[['in_count', 'out_count']].sum().reset_index()

方案3：设置索引时删除原date列

在set_index时添加drop=True参数，移除原有的date列，这样求和时就不会包含datetime类型数据：

import pandas as pd

articles_df['date'] = pd.to_datetime(articles_df['date'])
by_week_df = articles_df.set_index('date', drop=True).groupby(pd.Grouper(freq='1W')).sum().reset_index()

验证结果 #

执行任意一种方案后，都会得到按周聚合的结果，示例输出大致如下：

date  in_count  out_count
0 2013-01-06       1.0        0.0
1 2013-03-10       1.0        0.0
2 2013-04-14       1.0        0.0
3 2013-04-28       1.0        0.0
4 2013-05-12       0.0        1.0

内容的提问来源于stack exchange，提问作者Fermin Pitol