问题描述
我想，对于有经验的人来说，这应该是一个简单的问题。我想按星期几对记录进行分组，并希望在特定星期几有记录数。 这是我的DataFrame rent_week.info（）：
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1689 entries,3 to 1832
Data columns (total 11 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 id 1689 non-null int64
1 createdAt 1689 non-null datetime64[ns]
2 updatedAt 1689 non-null datetime64[ns]
3 endAt 1689 non-null datetime64[ns]
4 timeoutAt 1689 non-null datetime64[ns]
5 powerBankId 1689 non-null int64
6 station_id 1689 non-null int64
7 endplaceId 1686 non-null float64
8 endStatus 1689 non-null object
9 userId 1689 non-null int64
10 station_name 1689 non-null object
dtypes: datetime64[ns](4),float64(1),int64(4),object(2)
memory usage: 158.3+ KB
“ createdAt”列中的数据看起来像“ 2020-07-19T18：00：27.190010000” 我正在尝试添加新列：
rent_week['a_day'] = rent_week['createdAt'].strftime('%A')
并收到错误返回：AttributeError：'Series'对象没有属性'strftime'。 同时，如果我写：
a_day = datetime.today()
print(a_day.strftime('%A'))
显示预期结果。据我了解，a_day和rent_week ['a_day']具有类似的类型datetime。 甚至通过以下方式请求：
rent_week['a_day'] = pd.to_datetime(rent_week['createdAt']).strftime('%A')
向我显示了相同的错误：没有strftime属性。 我什至没有开始对数据进行分组。我期望的结果是一个包含如下信息的DataFrame：
a_day number_of_records
Monday 101
Tuesday 55
...
解决方法
尝试a_day.dt.strftime('%A')-注意DataFrame列/系列对象上的其他.dt。
背景：您做出的“相似”类型假设几乎是正确的。但是，由于列可能具有多种类型（数字，字符串，日期时间，地理等），因此，基础值的方法通常存储在名称空间中，以免使该系列本已广泛的API（方法计数）混乱自行输入。这就是为什么只能通过.str使用字符串函数，而只能通过.dt使用datetime函数的原因。
您可以创建一个lambda函数进行转换，然后将该函数应用于“ createdAt”列中的列。完成此步骤后，您可以根据需要进行分组。您可以从以下代码获取帮助：
rent_week['a_day'] = rent_week['createdAt'].apply(lambda x: x.strftime('%A'))
感谢Quamar和Ojdo的贡献。我发现了问题：它在索引中
<ipython-input-41-a42a82727cdd>:8: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
rent_week['a_day'] = rent_week['createdAt'].dt.strftime('%A')
我一旦重置索引
rent_week.reset_index()
两个变体都能正常工作！