python pandas从日期时间提取年份— df ['year'] = df ['date']。year不起作用

python pandas从日期时间提取年份— df ['year'] = df ['date']。year不起作用

如果您运行的是熊猫的最新版本，则可以使用datetime属性

dt

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.monthdfOut[6]:        date  Count  year  month0 2010-06-30    525  2010      61 2010-07-30    136  2010      72 2010-08-31    125  2010      83 2010-09-30     84  2010      94 2010-10-29   4469  2010     10

编辑

看起来您正在运行的是较早版本的熊猫，在这种情况下，以下方法将起作用：

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)dfOut[18]:        date  Count  year  month0 2010-06-30    525  2010      61 2010-07-30    136  2010      72 2010-08-31    125  2010      83 2010-09-30     84  2010      94 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

您需要传递列的顺序位置（

[0]

），因为当

True

它尝试解析列时，

[1,2,3]

请参见文档

In [20]:t="""date   Count6/30/2010   5257/30/2010   1368/31/2010   1259/30/2010   8410/29/2010  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 4Data columns (total 2 columns):date     5 non-null datetime64[ns]Count    5 non-null int64dtypes: datetime64[ns](1), int64(1)memory usage: 120.0 bytes

因此，如果您将参数传递

parse_dates=[0]

给，

read_csv

则

to_datetime

加载后无需再调用“日期”列。