read_csv carrega as datas como texto, a menos que você indique o contrário, e texto não permite fazer aritmética com datas. Converta uma coluna com pd.to_datetime:
df["order_date"] = pd.to_datetime(df["order_date"])
ou converta durante a leitura: pd.read_csv("sales.csv", parse_dates=["order_date"]). O tipo da coluna passa a ser datetime64.
Quando uma coluna contém datas reais, o acessor .dt dá acesso às suas partes: .dt.month, .dt.year, .dt.day_name() e .dt.to_period("M") para rótulos de ano e mês como 2026-03. Se você vir Can only use .dt accessor with datetimelike values, a coluna ainda é de texto.
As datas podem ser comparadas com strings escritas no formato ano-mês-dia, então df[df["order_date"] >= "2026-03-01"] funciona. Subtrair duas datas gera um intervalo de tempo, e .dt.days o converte em um número de dias.
Para totalizar por mês, agrupe pelo mês: df.groupby(df["order_date"].dt.month)["revenue"].sum().
O dia da semana dos três primeiros pedidos.