Python Pandas按月末最后日期筛选数据报错求助

报错根源：你处理日期时把pd.to_datetime()生成的datetime类型转成了Python原生的date对象，而pandas的resample方法要求索引必须是**datetime64[ns]**类型，不是原生date对象，这才导致了异常（报错信息描述存在误导，但核心是索引类型不符合要求）。

解决方案步骤 #

1. 修正日期索引的处理逻辑 #

不要用.dt.date把datetime转成date对象，直接保留datetime64类型作为索引：

import pandas as pd

# 原始数据
data = {
    'Date': ['1/5/22', '1/6/22', '1/8/22', '2/10/22', '2/28/22', '3/15/22', '3/21/22', '3/25/22'],
    'A': [4, 8, 1, 4, 6, 6, 0, 5],
    'B': [5, 3, 5, 8, 4, 0, 0, 7]
}
df = pd.DataFrame(data)

# 正确的日期处理：转成datetime64类型，直接设为索引
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

2. 使用resample获取每月最后一条数据 #

现在索引是datetime64类型，resample("M").last()就能正常工作：

result = df.resample("M").last()

# 若想更灵活地按年月分组取最后一行，也可以用：
# result = df.groupby([df.index.year, df.index.month]).last()

3. 格式还原（可选） #

如果需要将日期转回1/8/22这类格式，可添加以下步骤：

result.reset_index(inplace=True)
result['Date'] = result['Date'].dt.strftime('%m/%d/%y')

最终结果 #

处理后会得到你需要的目标数据：

替代实现方案（无需修改索引） #

如果不想改动原始索引结构，也可以用分组+取最大值日期的方式实现：

df['Date'] = pd.to_datetime(df['Date'])
result = df.groupby(df['Date'].dt.to_period('M')).apply(lambda x: x.loc[x['Date'].idxmax()])

内容的提问来源于stack exchange，提问作者Saanchi