使用Scipy UnivariateSpline处理时间序列数据报类型错误如何解决

scipy.interpolate.UnivariateSpline 仅支持数值类型的输入参数，无法直接识别datetime64[ns]格式的时间对象，传入时会触发类型转换错误。

核心处理逻辑是将时间序列转换为纯数值格式传入拟合函数，拟合完成后再将数值映射回时间格式即可。注意样条插值要求x轴序列严格单调递增，处理前必须先按时间排序。

• 第一步：按datetime列对DataFrame做升序排序，重置索引避免索引混乱
• 第二步：选数据集中的最早时间作为基准点，将每条数据的时间转换为距基准点的秒数（或毫秒数，根据时间精度需求选择），得到纯数值的x轴序列
• 第三步：将数值x和value列的y传入UnivariateSpline完成拟合，调整s参数控制平滑强度：s越大平滑效果越强，s=0时曲线会完全经过所有原始点
• 第四步：生成平滑后的数值x序列，计算对应的平滑y值，再将数值x转换回datetime格式即可用于后续绘图或分析

import pandas as pd
import numpy as np
from scipy.interpolate import UnivariateSpline

d = {'datetime': ['08/07/2022  00:02:03.000','08/07/2022  00:15:06.050','08/07/2022  00:30:06.369','08/07/2022  00:31:03.025','08/07/2022  00:35:08.369','08/07/2022  00:37:59.258','08/07/2022  00:45:06.258','08/07/2022  00:45:25.025','08/07/2022  00:49:15.326','08/07/2022  00:51:45.058','08/07/2022  00:33:09.258'], 'value': [10,10.5,10.3,10.8,10.5,10.6,10.9,10.33,10.35,10.36,10.37]}

df = pd.DataFrame(data=d)
df['datetime'] = pd.to_datetime(df['datetime'])
# 按时间升序排序，满足样条函数对x单调递增的要求
df = df.sort_values('datetime').reset_index(drop=True)

# 时间转数值：取最早时间为基准，计算每条记录距基准点的秒数
start_ts = df['datetime'].min()
x = (df['datetime'] - start_ts).dt.total_seconds().values
y = df['value'].values

# 拟合一元样条，s参数按需调整平滑度
spl = UnivariateSpline(x, y, s=0.5)

# 生成平滑后的序列
x_smooth_num = np.linspace(x.min(), x.max(), 100)
y_smooth = spl(x_smooth_num)
# 数值转回时间格式
x_smooth_ts = start_ts + pd.to_timedelta(x_smooth_num, unit='s')

提示：示例数据中存在时间乱序的记录，跳过排序步骤即使完成时间转数值，也会触发「x must be strictly increasing」的报错。

内容的提问来源于stack exchange，提问作者VSP