pandas按日期列resample求和提示非DatetimeIndex等索引类型报错如何解决

报错原因说明 #

• 第一个TypeError：调用resample时Date列仍为字符串格式，未转换为时间类型，pandas无法识别时间维度触发报错。
• 第二个ValueError：你将Date列设为索引后，该列已从普通列中移除，仍在resample中传入on='Date'参数会导致找不到对应列，触发逻辑判断异常；另外你转换后的索引名称为TRANSACTIONDATE和原列名Date不匹配，也可能是原因之一。

正确实现方式 #

方式1：使用resample实现（支持自动补全无数据的日期行） #

先正确转换Date列为时间类型，再执行重采样求和：

import pandas as pd

# 转换Date列为带时区的datetime类型，适配原始数据的+05:30格式
df['Date'] = pd.to_datetime(df['Date'])

# 写法1：不修改原索引，直接用on参数指定时间列
d = df.resample('D', on='Date')['Amount'].sum().reset_index()

# 写法2：将Date设为索引后重采样
df = df.set_index('Date')
d = df.resample('D')['Amount'].sum().reset_index()

方式2：使用groupby实现（仅返回有数据的日期，性能更高） #

如果不需要补全无数据的日期，直接按日期分组求和更稳妥，不易触发异常：

import pandas as pd

# 转换Date列后提取日期部分
df['Date'] = pd.to_datetime(df['Date']).dt.date

# 按日期分组对Amount求和
d = df.groupby('Date')['Amount'].sum().reset_index()

内容的提问来源于stack exchange，提问作者Nithin Reddy