read_csv memuat tanggal sebagai teks kecuali Anda menentukan lain, dan teks tidak bisa dipakai untuk aritmetika tanggal. Konversikan kolom dengan pd.to_datetime:
df["order_date"] = pd.to_datetime(df["order_date"])
atau konversikan saat membaca: pd.read_csv("sales.csv", parse_dates=["order_date"]). Tipe kolom berubah menjadi datetime64.
Setelah kolom berisi tanggal yang sebenarnya, accessor .dt memberi Anda bagian-bagiannya: .dt.month, .dt.year, .dt.day_name(), dan .dt.to_period("M") untuk label tahun-bulan seperti 2026-03. Jika Anda melihat Can only use .dt accessor with datetimelike values, berarti kolomnya masih berupa teks.
Tanggal bisa dibandingkan dengan string yang ditulis tahun-bulan-tanggal, jadi df[df["order_date"] >= "2026-03-01"] berfungsi. Mengurangkan dua tanggal menghasilkan rentang waktu, dan .dt.days mengubahnya menjadi jumlah hari.
Untuk menjumlahkan per bulan, kelompokkan berdasarkan bulan: df.groupby(df["order_date"].dt.month)["revenue"].sum().
Hari dalam seminggu dari tiga pesanan pertama.