使用Pandas的dt访问器转换时间戳为日期时出现错误

错误原因 #

你的代码触发该错误的核心逻辑：

• 初始的date_clmn列用了Python标准库的datetime.date对象，导致列的 dtype 是object，而非pandas原生的datetime64[ns]类型。
• 执行my_df.date_clmn - pd.DateOffset(months = 3)后，每个元素确实变成了Timestamp对象，但因为原列是object dtype，新生成的lag_date列仍保持object类型——pandas不会自动把装着Timestamp的object列转换为原生datetime类型。
• pandas的dt访问器只能作用于**dtype为datetime64[ns]（或其他pandas原生时间类型）**的列，无法识别object列里的单个Timestamp对象，因此抛出AttributeError。

解决方法 #

两种简单修复方式：

方法一：提前转换初始日期列为pandas原生时间类型

在创建DataFrame后，先把date_clmn转为datetime64类型，再计算滞后日期：

import pandas as pd
import datetime
my_df = pd.DataFrame({'date_clmn': [datetime.date(2020, 1, 1),
                                    datetime.date(2020, 2, 1),
                                    datetime.date(2020, 3, 1)]})
# 转换为pandas原生时间类型
my_df['date_clmn'] = pd.to_datetime(my_df['date_clmn'])
my_df['lag_date'] = my_df.date_clmn - pd.DateOffset(months = 3)
# 此时可正常使用dt访问器
my_df.lag_date.dt.date

方法二：直接转换lag_date列为datetime类型

如果已经生成了lag_date列，直接对其进行类型转换即可：

# 转换lag_date列为datetime64类型
my_df['lag_date'] = pd.to_datetime(my_df['lag_date'])
# 现在可以正常调用dt访问器
my_df.lag_date.dt.date

转换后，lag_date列的dtype会变为datetime64[ns]，dt访问器就能正常工作。

内容的提问来源于stack exchange，提问作者user1700890