Python如何提取日期列中的年和月_通过dt访问器获取year与month属性

Python如何提取日期列中的年和月？通过dt访问器获取year与month属性

为什么直接用 df['date'].year 会报 AttributeError？

很多朋友在提取日期信息时，会下意识地直接调用 df['date'].year，结果迎面就是一个 AttributeError。问题出在哪？其实，Series 对象本身并没有 year 这个属性。只有那些已经被明确转换为 datetime64 类型的 Series，才能通过专门的 .dt 访问器来获取年、月、日等时间属性。如果你的日期列还是字符串或者 object 类型，直接调用 .dt.year，系统就会抛出那句经典的错误提示：AttributeError: Can only use .dt accessor with datetimelike values。

所以，正确的操作顺序应该是：

立即学习“Python免费学习笔记（深入）”；

• 先看类型：用 df['date'].dtype 看一眼，只要不是 datetime64[ns]，就别想直接用 .dt。
• 强制转换：老老实实先做转换：df['date'] = pd.to_datetime(df['date'])。默认情况下，pandas 会尽力解析，遇到实在看不懂的值，会设为 NaT（Not a Time）。
• 处理异常：如果数据里混着像 "2023-13-01" 这种不合法的日期，建议加上参数 errors='coerce'，让 pandas 安静地把它们变成 NaT，而不是直接报错中断整个流程。

如何安全提取 year 和 month 并避免 NaN 引发的类型问题？

成功转换后，用 .dt.year 和 .dt.month 提取似乎很简单，但这里有个暗坑：它们返回的是 Int64 类型，这是一种支持 NaN 的整数类型。当你兴冲冲地想把结果拿去拼接字符串或做计算时，NaN 可能会带来意想不到的兼容性问题。尤其要注意，.dt.month 对于正常日期返回 1 到 12，但对于 NaT，它返回的是 NaN，而不是 0。

因此，提取之后不能掉以轻心：

立即学习“Python免费学习笔记（深入）”；

• 检查缺失：先看一眼有多少缺失值：df['date'].dt.year.isna().sum()，做到心中有数。
• 谨慎填充：如果需要填充，可以用 .fillna(0).astype(int)。但要特别注意业务逻辑——把月份填成 0 通常没有意义。很多时候，保留 NaN 或者直接过滤掉异常行是更稳妥的选择。
• 拼接字符串的陷阱：如果想生成“年-月”格式的字符串（比如“2023-05”），千万别直接用 df['date'].dt.year.astype(str) + '-' + df['date'].dt.month.astype(str)。因为一旦遇到 NaN，转成字符串就成了 "nan"，结果会变成“2023-nan”。有更优雅的方法：df['date'].dt.to_period('M').astype(str)。

dt.to_period('M') 比手动拼 year/month 更可靠吗？

答案是肯定的。手动拼接年份和月份，看似直接，实则麻烦不少：你得操心月份是不是单数要补零（避免出现“2023-5”而不是“2023-05”），还得处理 NaT 带来的字符串污染问题。而 .dt.to_period('M') 这个方法，可以说是为生成年月标识量身定做的。它返回一个 PeriodIndex，格式天生就是归一化的、不可变的，并且支持高效的向量化运算。NaT 在这里也会被自动转为 NaT，不会污染你的字符串结果。

具体可以这么用：

立即学习“Python免费学习笔记（深入）”；

• 首选方法：生成年月列，直接用 df['ym'] = df['date'].dt.to_period('M')。
• 转为字符串：需要显示时，调用 .astype(str)，结果保证是标准的 "YYYY-MM" 格式。
• 分组统计：后续如果要按年月分组聚合，df.groupby('ym') 比用两个独立的整数列更简洁，语义也更清晰。
• 注意限制：当然，Period 类型不能直接进行数学运算。如果你需要计算月份差，得先转回时间戳：(p2.to_timestamp() - p1.to_timestamp()) / np.timedelta64(1, 'M')。

从字符串列提取年月时，format 参数能提升性能吗？

不仅能，而且提升非常明显。当你的日期字符串格式统一且已知时（比如全是 "%Y/%m/%d"），在调用 pd.to_datetime() 时传入 format 参数，pandas 就可以跳过耗时的格式自动推断过程。对于百万行级别的数据，这个操作带来的速度提升可能达到 5 到 10 倍。

性能优化的实操建议如下：

立即学习“Python免费学习笔记（深入）”；

• 确认格式：确保格式统一后，使用 pd.to_datetime(df['date'], format='%Y-%m-%d')。
• 错误处理：指定格式后，一旦遇到不匹配的字符串，pandas 会直接报 ValueError。初次尝试时，建议加上 errors='coerce' 来探查数据质量，看看有多少行无法解析。
• 常见格式符号：记住几个常用的：%Y（四位年份）、%y（两位年份）、%m（01-12月）、%B（英文全称月份）、%b（英文缩写月份）。
• 格式混杂怎么办：如果数据源格式不纯，比如混着“2023-05-01”和“05/01/2023”，那就别硬套 format 了。老老实实用默认解析，并配合 errors='coerce' 来处理，更为稳妥。

话说回来，实际工作中最容易踩坑的，往往不是这些明面上的规则，而是数据本身埋的“雷”。比如原始列里藏着看不见的空格、特殊字符，或者混合了字符串和浮点数时间戳。这些问题不会立刻导致程序崩溃，但可能会让 .dt.year 默默地返回一整列 NaN，或者产生难以察觉的数据截断。所以，动手处理前，养成好习惯：用 df['date'].head(10).apply(type) 看看类型是否纯粹，再用 df['date'].str.strip().head() 快速检查一下有没有隐藏字符。磨刀不误砍柴工，这一步探查能省去后面大量的调试时间。