Pandas转索引为DatetimeIndex后resample仍报RangeIndex错误

报错根源是KNNImputer.fit_transform()的返回值是不带索引信息的NumPy数组。你在构建填充后的DataFrame ts_data_d时，仅传入了列名参数columns=ts_data_w.columns，没有同步传入原有的时间索引，导致ts_data_d自动生成了从0开始计数的默认RangeIndex，不满足resample要求的DatetimeIndex/TimedeltaIndex/PeriodIndex索引条件。
你之前对ts_data_w做的DatetimeIndex转换本身是有效的，但索引信息在KNN填充的转换步骤中被丢弃了，和你之前做的索引类型转换操作没有关系。

任选以下一种方式修改即可：

• 方案1：构造填充后DataFrame时直接传入原时间索引
  修改KNN填充部分的代码，在pd.DataFrame参数中补充index配置：

# KNN缺失值填充
imputer_knn = KNNImputer(n_neighbors=5, weights='uniform', metric='nan_euclidean')
ts_data_d = pd.DataFrame(
    imputer_knn.fit_transform(ts_data_w),
    columns=ts_data_w.columns,
    index=ts_data_w.index # 保留原DatetimeIndex
)

修改后ts_data_d会直接继承ts_data_w的时间索引，后续月度重采样代码可正常运行。

• 方案2：填充完成后补设时间索引
  如果不想修改DataFrame构造逻辑，可在KNN填充完成后、重采样代码之前，补充一行索引赋值代码：

ts_data_d.index = ts_data_w.index

最终效果和方案1完全一致。

你代码中多次重复执行ts_data.index = pd.DatetimeIndex(ts_data.index)属于冗余操作：pd.date_range()生成的对象本身就是标准DatetimeIndex类型，reindex操作后ts_data_w的索引已经是合法的时间类型索引，不需要重复做类型转换，后续做数据转换时注意保留索引即可。

内容的提问来源于stack exchange，提问作者v_head