Darts转换DatetimeIndex DataFrame为Series索引变object解决方法

存储逐小时温度测量数据的DataFrame结构如下：

df.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 17545 entries, 2020-01-01 00:00:00+00:00 to 2022-01-01 00:00:00+00:00
Data columns (total 1 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   T (degC)  17545 non-null  float64
dtypes: float64(1)
memory usage: 274.1 KB

使用如下代码将DataFrame转换为Darts的TimeSeries对象：

df_series = TimeSeries.from_dataframe(df)
df_series

转换后无法执行绘图操作，抛出如下类型错误：

TypeError: Plotting requires coordinates to be numeric, boolean, or dates of type numpy.datetime64, datetime.datetime, cftime.datetime or pandas.Interval. Received data of type object instead.

根据Darts官方文档说明，未指定time_col参数时会直接使用DataFrame原有的DatetimeIndex转换，但实际转换后时间索引变为object类型，导致绘图失败。

核心诱因是DataFrame的DatetimeIndex携带了时区标记：从df.info()输出可见，索引时间末尾带+00:00的UTC时区偏移，属于时区感知型时间索引。Darts的from_dataframe()方法默认不会自动剥离时区信息，转换后内部时间坐标会被识别为object类型，不符合绘图接口要求的合法时间数据类型，因此抛出类型错误。

方案1：转换前移除索引时区（推荐） #

在生成TimeSeries前，先将DataFrame索引转为无时区的datetime64类型，代码如下：

# 移除索引时区，转换为原生datetime64格式
df.index = df.index.tz_localize(None)
# 执行转换
df_series = TimeSeries.from_dataframe(df)

转换完成后即可正常调用绘图方法，不会再触发类型错误。

方案2：转换时显式指定时间频率，强制标准化时间索引 #

如果需要保留原始时区信息，可以在转换时开启缺失日期填充参数，同时显式指定数据采样频率，强制Darts对时间索引做标准化解析：

df_series = TimeSeries.from_dataframe(
    df,
    fill_missing_dates=True,
    freq="h"
)

注意：如果数据不是小时级采样，需要将freq参数替换为实际采样频率，例如日频数据传入"D"、15分钟间隔数据传入"15min"即可。

转换完成后可执行print(df_series.time_index.dtype)验证，输出为datetime64[ns]即代表时间类型符合要求。

内容的提问来源于stack exchange，提问作者MarcoWirtl