熊猫系列dt.period（'M'）未转换为日期时间

Question

我有以下代码行：

open_tks_per_day['Created_year_month'] = pd.to_datetime(open_tks_per_day['Created']).dt.to_period('M')

这样做是从日期时间中提取年和月，并将其存储在名为Created_year_month的列中。问题是此列是一个对象，但是当我尝试使用以下代码将其转换为日期时间时：

open_tks_per_day['Created_year_month'] = open_tks_per_day['Created_year_month'].astype('datetime64')

我收到以下错误：

TypeError: <class 'pandas._libs.tslibs.period.Period'> is not convertible to datetime

这样做的全部目的是能够使用带状图将Created_year_month变量相对于分类变量进行绘制，就好像我使用整个日期对它进行绘制一样，我得到了太多的数据点，所以我发现如果按月和年汇总数据点，我得到的数据点会减少，这会使我的表象看起来更整洁。

以下是一些示例数据：

Number  Created     Created_date    Created_year_month
2018-01-16 16:23:21     2018-01-16  2018-01
2018-01-11 17:51:18     2018-01-11  2018-01
2018-01-12 13:03:50     2018-01-12  2018-01
2018-01-11 13:28:55     2018-01-11  2018-01
2018-01-04 09:58:36     2018-01-04  2018-01
2018-01-23 09:19:36     2018-01-23  2018-01
2019-04-09 10:50:54     2019-04-09  2019-04
2019-04-08 19:22:49     2019-04-08  2019-04
2019-04-09 12:34:24     2019-04-09  2019-04
2019-04-09 17:22:10     2019-04-09  2019-04
2019-04-09 09:58:52     2019-04-09  2019-04
2019-04-08 20:08:01     2019-04-08  2019-04
2019-04-09 18:40:13     2019-04-09  2019-04
2019-04-09 19:29:04     2019-04-09  2019-04
2019-04-10 02:43:15     2019-04-10  2019-04
2019-04-10 03:04:36     2019-04-10  2019-04
2019-04-10 03:12:02     2019-04-10  2019-04
2019-04-10 03:49:19     2019-04-10  2019-04
2019-04-10 04:46:04     2019-04-10  2019-04
2019-04-10 05:18:24     2019-04-10  2019-04

这是当前情况不佳的情况：

Answer 1

问题是因为时间段与日期时间不同。在您的问题中，我不确定您想要什么输出。例如，是按月，总和，均值等对对象进行计数吗？无论如何，pandas.Grouper都有一个可以帮助您的内置功能。<​​/ p>

假设：我假设您想要每天的开放票数。我还假设您可以计算一些字段。如果没有，您可以随时添加open_tks_per_day['is_ticket'] = 1。在本示例的其余部分中，我将使用is_ticket作为您要计数的东西。

假设您想按月计算未清票数，则可以执行以下操作：

 res = open_tks_per_day['Created'].groupby(Grouper(key='Created', freq='M')).count().reset_index()

 plt.plot(res['Created'],res['is_ticket']) # Again making assumptions here

免责声明：没有示例数据，因此我无法测试我的代码。