使用numpy绘制趋势线时出现datetime64与float64类型报错如何解决

ufunc 'add' cannot use operands with types dtype('<M8[ns]') and dtype('float64') 是类型不匹配错误：numpy.polyfit 做线性拟合时仅接受数值型输入，你代码里传入的x是pandas解析得到的datetime64[ns]（即<M8[ns]）时间戳类型，无法直接和浮点数做拟合运算，最终触发报错。

拟合前把时间列转换为数值类型即可，绘图时仍保留原始时间列作为x轴，不会影响时间格式的正常显示。
修正后的可运行代码：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as num
%matplotlib inline

df = pd.read_excel(r'C:\Users\hussa\Downloads\Bo Karar.xlsx', "Data2")
x = df['DataA']
y = df['DataB']

# 将时间戳转换为int64格式的纳秒级时间戳（数值类型，适配polyfit输入要求）
x_fit = x.values.astype("int64")
# 执行一阶线性拟合
z = num.polyfit(x_fit, y, 1)
p = num.poly1d(z)

plt.figure()
plt.plot(x, y, label="原始数据")
# 趋势线计算传入数值型x，绘图x轴仍使用原始时间序列
plt.plot(x, p(x_fit), color="red", linestyle="--", label="线性趋势线")
plt.legend()
# 自动旋转x轴时间标签，避免文字重叠
plt.gcf().autofmt_xdate()
plt.show()

如果你的数据是等时间间隔采样（从样例数据看每10秒采集1条，符合这个特征），可以直接用数据的行序号作为拟合输入，不需要做时间格式转换：

# 生成从0开始的行序号作为拟合用x轴
x_seq = num.arange(len(df))
z = num.polyfit(x_seq, y, 1)
p = num.poly1d(z)

# 绘图时x轴仍传入原始时间列即可
plt.plot(x, p(x_seq), color="red", linestyle="--")

这种写法计算更简单，还能避免大数值时间戳带来的拟合精度损耗，适合固定采样频率的时序数据场景。

内容的提问来源于stack exchange，提问作者Hussain Rahma