在 LeetCode 等受限环境中，直接对 datetime64[ns] 列使用 .dt.to_period('M') 并赋值回原列，会导致 to_json() 序列化时触发无限递归并抛出 OverflowError；根本解决方式是将 Period 类型显式转为字符串。
在 leetcode 等受限环境中，直接对 `datetime64[ns]` 列使用 `.dt.to_period('m')` 并赋值回原列，会导致 `to_json()` 序列化时触发无限递归并抛出 `overflowerror`；根本解决方式是将 period 类型显式转为字符串。
LeetCode 的评测系统在输出结果前会调用 DataFrame.to_json(orient='split') 进行序列化，而 pandas.Period 类型（尤其是通过 .dt.to_period() 生成的对象）在某些旧版 pandas + ujson 组合下存在序列化缺陷——它可能引发内部递归调用，最终超出 Python 默认递归限制，报错 OverflowError: Maximum recursion level reached。
⚠️ 关键误区：
- ❌
transactions['trans_date'] = transactions['trans_date'].dt.to_period('M')
→ 返回PeriodIndex类型列，不可直接 JSON 序列化，LeetCode 环境中必然失败。 - ✅ 正确做法：必须将 Period 转为字符串，确保列数据类型为
object（即 Python 字符串），才能被安全序列化。
✅ 推荐解决方案（简洁、兼容、无副作用）：
import pandas as pd
def monthly_transactions(transactions: pd.DataFrame) -> pd.DataFrame:
# 确保 trans_date 是 datetime 类型（LeetCode 输入可能是 object 或 string）
transactions['trans_date'] = pd.to_datetime(transactions['trans_date'])
# 转为 'YYYY-MM' 字符串（非 Period！）
transactions['trans_date'] = transactions['trans_date'].dt.strftime('%Y-%m')
return transactions? 为什么 strftime('%Y-%m') 更优？
- 输出为标准
str类型，零依赖、零序列化风险； - 语义清晰，结果与
to_period('M').astype(str)完全一致（如'2018-12'）； - 性能略高，避免了 Period 对象构造与销毁开销。
? 替代方案（如需保留 Period 逻辑）：
# 若坚持用 to_period，务必强制转 str
transactions['trans_date'] = transactions['trans_date'].dt.to_period('M').astype(str)但注意：astype(str) 是必需步骤，缺之必报错。
? 额外提示：
- LeetCode 输入的
'trans_date'列未必是datetime64[ns]类型（常为object存储字符串），因此pd.to_datetime()调用不可或缺； - 不要尝试
.dt.to_period().dt.strftime()—— Period 没有.dt访问器； - 避免在原地修改列后立即用于复杂链式操作，优先保证类型纯净。
总结：在在线判题平台使用 Pandas 时，一切需输出的结果列，最终数据类型应限定为 int64、float64、bool 或 object（含字符串）；Period、Interval、Timestamp 等带行为的类型极易引发序列化异常，应主动降级为基本类型。
