使用seasonal_decompose触发TypeError：numpy.float64无法作为索引

我之前处理时间序列分解时也碰到过完全一样的错误！这个问题的核心原因其实很简单：seasonal_decompose需要明确知道时间序列的周期，但你的ts_log索引的freq属性是None，函数没法自动推断周期，导致内部处理时出现索引类型错误。

不管你把数据列转成int还是float，只要索引的频率没明确，这个错误都会存在。下面给你两个直接可行的解决办法：

方法一：给时间序列索引设置明确的频率 #

你的数据是月度数据（日期格式是YYYY-MM-01），可以用asfreq()方法给索引指定月初频率（'MS'）：

# 给ts_log设置明确的月度频率
ts_log = ts_log.asfreq('MS')
# 再执行分解
decomposition = seasonal_decompose(ts_log)

执行完这步后，你可以用ts_log.index.freq检查，会发现它已经变成<MonthBegin>，函数就能正确识别周期进行分解了。

方法二：调用时手动指定period参数 #

如果不想修改原数据的索引属性，也可以在调用seasonal_decompose时直接传入周期值。因为你的数据是月度数据，周期就是12：

# 手动指定周期为12（月度数据）
decomposition = seasonal_decompose(ts_log, period=12)

这样函数会跳过自动推断频率的步骤，直接用你指定的period来做分解，同样能解决这个错误。

额外注意 #

如果你的时间序列存在缺失值，用asfreq()可能会引入NaN，这时候需要先处理缺失值（比如用ffill()、bfill()或者插值法填充），再进行分解。不过看你的数据长度是144（正好12年×12个月），应该是完整的，所以不用额外处理。

内容的提问来源于stack exchange，提问作者Shiva Arsi