pandas 从日期时间中提取年份： df['year'] = df['date'].year 不起作用

问题描述：

我通过导入数据框read_csv，但由于某种原因无法从系列中提取年份或月份df['date']，尝试给出AttributeError: 'Series' object has no attribute 'year'：

date    Count
6/30/2010   525
7/30/2010   136
8/31/2010   125
9/30/2010   84
10/29/2010  4469

df = pd.read_csv('sample_data.csv', parse_dates=True)

df['date'] = pd.to_datetime(df['date'])

df['year'] = df['date'].year
df['month'] = df['date'].month

更新：当我尝试使用df['date'].dt我的 pandas 版本 0.14.1 来解决时，出现“AttributeError:'Series' 对象没有属性'dt'”：

df = pd.read_csv('sample_data.csv',parse_dates=True)

df['date'] = pd.to_datetime(df['date'])

df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month

抱歉，这个问题似乎重复了 - 我希望答案会让我感觉自己像个傻瓜......但是在 SO 上使用类似问题的答案时我没有任何运气。

后续：我似乎无法在 Anaconda 环境中将 pandas 0.14.1 更新到较新的版本，下面的每次尝试都会生成无效语法错误。我使用的是 Python 3.4.1 64 位。

conda update pandas

conda install pandas==0.15.2

conda install -f pandas

有什么想法吗？

解决方案 1：

如果您正在运行较新版本的 pandas，那么您可以使用日期时间访问器dt来访问日期时间组件：

In [6]:

df['date'] = pd.to_datetime(df['date'])
df['year'], df['month'] = df['date'].dt.year, df['date'].dt.month
df
Out[6]:
        date  Count  year  month
0 2010-06-30    525  2010      6
1 2010-07-30    136  2010      7
2 2010-08-31    125  2010      8
3 2010-09-30     84  2010      9
4 2010-10-29   4469  2010     10

编辑

看起来您正在运行旧版本的 pandas，在这种情况下，以下操作将起作用：

In [18]:

df['date'] = pd.to_datetime(df['date'])
df['year'], df['month'] = df['date'].apply(lambda x: x.year), df['date'].apply(lambda x: x.month)
df
Out[18]:
        date  Count  year  month
0 2010-06-30    525  2010      6
1 2010-07-30    136  2010      7
2 2010-08-31    125  2010      8
3 2010-09-30     84  2010      9
4 2010-10-29   4469  2010     10

关于为什么它没有将其解析为日期时间，read_csv您需要传递列的序数位置（[0]），因为当True它尝试解析列时[1,2,3]，请参阅文档

In [20]:

t="""date   Count
6/30/2010   525
7/30/2010   136
8/31/2010   125
9/30/2010   84
10/29/2010  4469"""
df = pd.read_csv(io.StringIO(t), sep='s+', parse_dates=[0])
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 0 to 4
Data columns (total 2 columns):
date     5 non-null datetime64[ns]
Count    5 non-null int64
dtypes: datetime64[ns](1), int64(1)
memory usage: 120.0 bytes

因此，如果您传递参数parse_dates=[0]，则加载后read_csv无需调用to_datetime“日期”列。

解决方案 2：

这有效：

df['date'].dt.year

现在：

df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month

给出此数据框：

        date  Count  year  month
0 2010-06-30    525  2010      6
1 2010-07-30    136  2010      7
2 2010-08-31    125  2010      8
3 2010-09-30     84  2010      9
4 2010-10-29   4469  2010     10

解决方案 3：

何时使用dt访问器

一个常见的混淆根源在于何时使用.year以及何时使用.dt.year。

前者是pd.DatetimeIndex对象的属性；后者是pd.Series对象的属性。考虑这个数据框：

df = pd.DataFrame({'Dates': pd.to_datetime(['2018-01-01', '2018-10-20', '2018-12-25'])},
                  index=pd.to_datetime(['2000-01-01', '2000-01-02', '2000-01-03']))

系列和索引的定义看起来类似，但是pd.DataFrame构造函数将它们转换为不同的类型：

type(df.index)     # pandas.tseries.index.DatetimeIndex
type(df['Dates'])  # pandas.core.series.Series

对象DatetimeIndex具有直接year属性，而Series对象必须使用dt访问器。同样，对于month：

df.index.month               # array([1, 1, 1])
df['Dates'].dt.month.values  # array([ 1, 10, 12], dtype=int64)

值得注意的一个微妙但重要的区别是，df.index.month给出一个 NumPy 数组，而df['Dates'].dt.month给出一个 Pandas 系列。上面，我们使用pd.Series.values提取 NumPy 数组表示。

解决方案 4：

可能已经太晚了，但是由于您在加载数据时已经解析了日期，因此您只需执行此操作即可获取日期

df['date'] = pd.DatetimeIndex(df['date']).year

解决方案 5：

对我有用的是将熊猫升级到最新版本：

从命令行执行：

conda update pandas