使用pandas的infer_freq与asfreq后返回全NaN的DataFrame问题

问题根源 #

• 原始数据的month列是字符串类型，直接设为索引后，pd.infer_freq()无法识别时间频率（该函数仅支持datetime64类型的索引）。
• 调用asfreq()时，pandas自动将字符串索引转为datetime，但因频率识别错误，导致索引被错误扩展至当前系统日期（2020年8月），同时原数据的字符串索引与转换后的datetime索引无法匹配，最终interest列全为NaN。

修正后的代码 #

import pandas as pd

# 读取数据
ice_cream_interest = pd.read_csv('ice_cream_interest.csv')
# 将month列转换为datetime类型
ice_cream_interest['month'] = pd.to_datetime(ice_cream_interest['month'])
# 设置datetime类型的索引
ice_cream_interest.set_index('month', inplace=True)
# 正确推断频率并转换
ice_cream_interest = ice_cream_interest.asfreq(pd.infer_freq(ice_cream_interest.index))

说明 #

• pd.to_datetime()将字符串格式的日期转为datetime64类型，确保pd.infer_freq()能正确识别月度频率（'MS'，即每月初）。
• 转换后asfreq()会保留原有数据，仅补充缺失的时间索引（如果有的话），不会出现全NaN的情况。

内容的提问来源于stack exchange，提问作者Max Melichov