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

Question

我通过read_csv 导入数据框，但由于某种原因无法从系列df['date'] 中提取年份或月份，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： 当我在我的熊猫版本 0.14.1 上尝试使用 df['date'].dt 的解决方案时，我得到“AttributeError: 'Series' object has no attribute '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

对于这个看似重复的问题，我感到很抱歉 - 我希望这个答案会让我觉得自己像个傻瓜......但我没有运气使用 SO 上类似问题的答案。

---

跟进：我似乎无法在我的 Anaconda 环境中将我的 pandas 0.14.1 更新到较新的版本，以下每次尝试都会产生无效的语法错误。我正在使用 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？

Answer 1

这行得通：

df['date'].dt.year

现在：

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

给出这个数据框：

        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

Answer 2

如果您运行的是最新版本的 pandas，那么您可以使用 datetime 属性 dt 来访问 datetime 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，以下方法可以工作：

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 read_csv 中的日期时间，您需要传递列的序号位置 ([0])，因为当 True 它尝试解析列 [1,2,3] 时，请参阅 @987654322 @

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，如果您将参数parse_dates=[0] 传递给read_csv，则加载后无需在“日期”列上调用to_datetime。

Answer 3

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

Answer 4

何时使用dt 访问器

一个常见的混淆来源围绕着何时使用 .year 以及何时使用 .dt.year。

前者是pd.DatetimeIndex对象的属性；后者用于pd.Series 对象。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很相似，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

DatetimeIndex 对象有一个直接的year 属性，而Series 对象必须使用dt 访问器。 month 也是如此：

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 提供了一个 NumPy 数组，而df['Dates'].dt.month 提供了一个 Pandas 系列。上面，我们使用pd.Series.values 来提取 NumPy 数组表示。

Answer 5

可能已经来不及回答了，但是由于您已经在加载数据时解析了日期，因此您可以这样做来获取日期

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