Pandas DataFrame datetime列调用strftime转字符串时出现TypeError错误求助

我来帮你拆解问题根源，再给出高效的解决办法：

错误原因 #

你直接调用datetime.strftime()的写法有问题——这个方法必须被具体的datetime实例调用（比如某个时间对象.strftime(格式字符串)），但你用apply(axis=1)时，是把整行的Series对象传给了这个函数，这就导致类型完全不匹配：strftime期望接收datetime实例，结果收到了Series（过程中被识别为类似str的对象），所以抛出了那个报错。

而且更关键的是，pandas处理datetime列有专门的高效工具，完全没必要用apply(axis=1)这种逐行处理的低效率方式。

正确解决方案（推荐） #

使用pandas的.dt访问器，它是专门为datetime类型的Series/列设计的，可以直接对整列批量操作，效率比apply高很多：

# 先定义需要转换的datetime列列表
datetime_cols = ['startedAt','lastUpdatedAt', 'dataPullStartTime', 'dataPullEndTime']
# 用.dt.strftime批量转换为指定格式的字符串
test_df[datetime_cols] = test_df[datetime_cols].dt.strftime('%Y-%m-%d %H:%M:%S.%f')

特殊场景下的apply写法（不推荐） #

如果因为某些特殊需求必须用apply，那需要在lambda里对每个元素单独调用strftime：

datetime_cols = ['startedAt','lastUpdatedAt', 'dataPullStartTime', 'dataPullEndTime']
test_df[datetime_cols] = test_df[datetime_cols].apply(
    lambda col: col.apply(lambda dt: dt.strftime('%Y-%m-%d %H:%M:%S.%f'))
)

或者逐行处理的写法：

test_df[datetime_cols] = test_df[datetime_cols].apply(
    lambda row: row.apply(lambda dt: dt.strftime('%Y-%m-%d %H:%M:%S.%f')),
    axis=1
)

额外提示 #

你的datetime列是带本地时区的（tzlocal()），如果需要在转换后的字符串中保留时区信息，可以把格式字符串改成'%Y-%m-%d %H:%M:%S.%f %z'，这样输出的字符串会包含时区偏移量。

内容的提问来源于stack exchange，提问作者anon_39