Python读取CSV格式不统一日期特征及绘图报错解决

报错核心原因 #

当前代码中date列始终为原始字符串/数值类型，没有转换为pandas可识别的标准日期类型。后续绘图生成时间轴时，pandas需要对时间值做数值层面的计算，无法直接对字符串执行除法等数值运算，因此触发TypeError: unsupported operand type(s) for /: 'str' and 'int'报错。

具体处理步骤 #

• 第一步：统一识别三类不规则日期，转换为标准datetime类型
  针对现有三种格式（纯年份、日.月.年、月.年），可通过格式特征做精准匹配，避免pandas默认模糊识别的错判问题：

  import pandas as pd
  from datetime import datetime
  
  def parse_mixed_date(raw_value):
      # 清理字符串前后的冗余空白，兼容CSV读入时自动识别为整数的纯年份值
      date_str = str(raw_value).strip()
      # 匹配纯4位的年份格式（如"2006"），默认补为当年1月1日
      if len(date_str) == 4 and date_str.isdigit():
          return datetime.strptime(date_str, "%Y")
      # 匹配双点分隔的日.月.年格式（如"2.5.2020"）
      if date_str.count(".") == 2:
          return datetime.strptime(date_str, "%d.%m.%Y")
      # 匹配单点分隔的月.年格式（如"3.2012"），默认补为当月1日
      if date_str.count(".") == 1:
          return datetime.strptime(date_str, "%m.%Y")
      # 无法匹配的异常值统一标记为NaT空值
      return pd.NaT
  
  # 对date列应用解析函数完成类型转换
  dataframe["date"] = dataframe["date"].apply(parse_mixed_date)
  

  注：对仅保留年/月的残缺日期，统一取对应周期的1号作为代表值，是时间维度分析的通用处理规则，不会影响时间排序、趋势对比的结果。
• 第二步：执行原有数据清洗、排序逻辑
  待date列完成标准化转换后，再运行原本的过滤、排序、索引设置代码：

  # 过滤掉转换失败的空值，按时间排序
  dataframe = dataframe[dataframe["date"].notna()].sort_values("date")
  # 将date设为时间索引
  dataframe.set_index("date", inplace=True)
  

• 第三步：运行分组绘图逻辑
  注意将原代码中未定义的df替换为实际的数据集变量名dataframe，即可正常生成按学生分组的频率时间序列图：

  dataframe.groupby("Student_ID")["Freq"].plot(legend=True)
  

额外适配技巧 #

转换为标准datetime类型后，可直接通过pandas的时间聚合能力调整统计粒度，不需要再手动拆分字符串处理：比如要按月份聚合所有数据，只需在groupby中指定by=pd.Grouper(freq="M")即可完成重采样。

内容的提问来源于stack exchange，提问作者Lili