Python：使用datetime重置Pandas.Series的索引

Question

我正在尝试使用statsmodels库中的“seasonal_decompose”方法：

decomposition = seasonal_decompose(ts_load_log)

尝试执行该行时会发生以下错误：

'RangeIndex'对象没有属性'inferred_freq'

那是因为我的ts_load_log如下所示：

现在我正在尝试转换我的索引！因此，我创建了以下数据框，其中包含ts_load_log中值的日期：

df_datetimes  = pd.to_datetime(df_load_per_hour['Market Day']) + pd.to_timedelta(df_load_per_hour['HourEnding'] - 1, unit='h')

看起来像：

有没有办法在数据框df_datetimes的帮助下重置ts_load_log系列的索引，以便分解有效？或者是否有更简单的方法而不是创建新的数据框？或者我完全错了？

我已经尝试过：

test = ts_load_log.to_frame()
test2 = df_datetimes.to_frame()
test = test.reindex(test2[0])

但我认为这是不必要的。另外它不起作用！

Answer 1

如果使用pandas的datetimeIndex方法，它应该可以工作：

Object.assign(
  previousState,
  {quantity: state.quantity + 1},
  {quantity: state.quantity + 1},
  ...
)

之后只需将数据框对象转换为Series对象，如：

test = ts_load_log.to_frame()
test2 = df_datetimes.to_frame()
test.index = pd.DatetimeIndex(test2[0])