Python时间列提取年月方法详解

本文深入解析了Python中用pandas提取时间列年月的正确姿势，强调必须先通过pd.to_datetime()显式转换为datetime64[ns]类型并赋值回原列，否则直接调用.dt.year或.dt.month会因类型不匹配而报错；同时澄清了时区列的潜在陷阱——.dt访问器不自动转换时区，结果取决于原始时区解释方式；还指出性能优化关键：避免重复访问.dt、优先缓存DatetimeProperties对象或使用to_period()批量处理，并提醒务必检查dtype、妥善处理NaT，这些看似基础却极易被忽略的细节，恰恰是高效、稳健处理时间数据的核心所在。

用 .dt.year 和 .dt.month 前必须确保是 datetime 类型

直接对普通字符串或整数列调用 .dt.year 会报 AttributeError: Can only use .dt accessor with datetimelike values。pandas 不会自动推断时间列类型，哪怕列名叫 'date' 或值长得像 '2023-05-12'，它默认还是 object 类型。

• 先用 df['col'].dtype 确认类型，不是 datetime64[ns] 就得转换
• 用 pd.to_datetime(df['col'], errors='coerce') 转换，errors='coerce' 能把无法解析的值变 NaT，避免中断
• 转换后记得赋值回去：df['col'] = pd.to_datetime(...)，否则后续 .dt 还是报错

.dt.year 和 .dt.month 返回的是整数，不是字符串

它们返回 int64 类型的纯数字，比如 2023、5，不是 '2023' 或 '05'。如果后续要拼接路径、做分组标签或导出为固定宽度格式，得自己补零或转字符串。

• 补零用 df['col'].dt.month.astype(str).str.zfill(2)，得到 '05'
• 年月组合推荐用 df['col'].dt.to_period('M')，直接得 Period('2023-05', 'M')，天然支持分组和排序
• 别用 strftime('%Y%m') 提取字符串再转 int——性能差，且遇到 NaT 会崩（得先 fillna() 或用 dt.strftime(...).mask(df['col'].isna())）

时区感知列访问 .dt.year 不会报错，但结果可能不符合预期

带时区的 datetime64[ns, UTC] 列，.dt.year 返回的是本地化后的年份（按该时区解释），不是 UTC 时间的年份。比如 2023-01-01 23:00:00+00:00 在北京时间（UTC+8）里是 2023-01-02 07:00:00，.dt.year 仍返回 2023（因为底层按 UTC 存，.dt 访问不自动转换），但如果你先 .dt.tz_convert('Asia/Shanghai') 再取 .dt.year，就变成 2023 对应 1 月 2 日的年份了。

• 统一处理建议：先用 .dt.tz_localize(None) 去时区（如果业务不依赖时区），再取 .dt.year
• 保留时区场景下，明确写清楚是“按原始时区解释”还是“转目标时区后解释”，别依赖默认行为
• .dt.year 本身不触发时区转换，这点容易被忽略——它只是从已有的 datetime 值里拆字段

性能敏感场景慎用链式 .dt 访问多次

连续写 df['date'].dt.year、df['date'].dt.month、df['date'].dt.day，pandas 每次都重新构建 DatetimeProperties 对象，小数据不明显，百万行以上会有可观开销。

• 一次性提取多个字段，用 df['date'].dt.to_period('D').dt 不行，得改用 pd.DataFrame({'year': df['date'].dt.year, 'month': df['date'].dt.month, 'day': df['date'].dt.day})
• 更高效的做法是先缓存 dt_series = df['date'].dt，再写 dt_series.year、dt_series.month
• 如果只关心年月，.dt.to_period('M') 比分别取 year/month 快，且内存更省

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。