Darts/Pandas日期解析问题：TimeSeries转换时频率属性缺失报错

问题根源 #

你的日期是公司自定义工作日，和pandas标准工作日（freq='B'）规则不匹配（比如包含公司专属假期/非工作日），导致强制指定标准工作日频率时，系统无法识别日期序列的一致性，触发报错。

解决方案 #

1. 先排查基础问题

首先确认日期列的有效性：

# 检查是否有重复日期
print(df['Date'].duplicated().any())
# 查看日期间隔分布，确认是否有异常间隔
print(df['Date'].diff().dropna().value_counts())
# 若日期带时区，先统一为无时区格式
df['Date'] = df['Date'].dt.tz_localize(None)

2. 定义公司专属工作日频率

用CustomBusinessDay创建匹配你公司作息的自定义频率：

import pandas as pd
from pandas.tseries.offsets import CustomBusinessDay

# 替换为你公司的实际假期列表
company_holidays = pd.to_datetime(['2023-01-02', '2023-05-18', '2023-10-06'])
# 创建自定义工作日频率
custom_bday = CustomBusinessDay(holidays=company_holidays)

3. 预处理日期序列并生成TimeSeries

有两种方式处理：

方式一：先补全自定义工作日日期再创建序列

# 将日期设为索引
df = df.set_index('Date')
# 生成覆盖数据起止日期的完整自定义工作日序列
full_date_range = pd.date_range(start=df.index.min(), end=df.index.max(), freq=custom_bday)
# 重新索引，缺失日期用业务逻辑填充（示例用前向填充，可按需调整）
df = df.reindex(full_date_range).ffill()
# 创建TimeSeries（此时索引已带明确freq属性）
series = TimeSeries.from_dataframe(df)

方式二：直接在创建时指定自定义频率并填充

series = TimeSeries.from_dataframe(
    df,
    time_col='Date',
    fill_missing_dates=True,
    freq=custom_bday
)

额外提示 #

如果公司工作日还有特殊规则（比如每周只工作4天），可以在CustomBusinessDay中进一步指定weekmask参数，例如：

# 示例：仅周一到周四为工作日
custom_bday = CustomBusinessDay(holidays=company_holidays, weekmask='Mon Tue Wed Thu')

内容的提问来源于stack exchange，提问作者Raghu