问题描述
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.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
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)
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 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，如果您将参数传递parse_dates=[0]给，read_csv则to_datetime加载后无需再调用“日期”列。
解决方法
抱歉，这个问题似乎是重复性的-我希望答案会让我感觉像骨头一样……但是我对使用类似问题的答案感到不满意。
我正在通过导入数据read_csv，但是由于某种原因（我无法弄清楚），我无法从数据框系列中提取年或月df['date']。
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
但这返回：
AttributeError：“系列”对象没有属性“年份”
提前致谢。
更新：
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
这将生成相同的“ AttributeError：“ Series”对象没有属性“ dt””
跟进：
我将Spyder 2.3.1与64位Python 3.4.1配合使用，但是无法将熊猫更新为较新的版本（当前为0.14.1）。以下每个都会生成无效的语法错误：
conda update pandas
conda install pandas==0.15.2
conda install -f pandas
有任何想法吗？