确认pandas列为Timestamp类型后，使用.dt访问器仍报AttributeError

问题描述 #

你已经将DateGreffe列转为Timestamp对象，通过df["DateGreffe"].apply(type).unique()也确认了每个元素都是Timestamp，但调用.dt.strftime时仍抛出错误：

AttributeError: Can only use .dt accessor with datetimelike values

问题根源 #

apply(type).unique()只能看到单个元素的类型，却无法反映Series的整体dtype。pandas的.dt访问器要求Series的dtype必须是datetime64[ns]（pandas原生的日期时间类型），如果Series dtype是object，哪怕每个元素都是Timestamp，.dt也无法识别。

你的代码中，虽然pd.to_datetime返回了datetime64[ns]类型的Series，但使用df.loc[:, "DateGreffe"] = ...赋值时，可能因原列是object dtype导致隐式转回object，使得.dt访问器失效。

解决方案 #

方法1：直接赋值确保dtype正确

修改日期转换的代码，去掉loc直接赋值，让pandas保留datetime64[ns] dtype：

df["DateGreffe"] = pd.to_datetime(df["DateGreffe"], dayfirst=True)

方法2：先验证Series的dtype

在转换后添加检查，确认dtype是datetime64[ns]：

print(df["DateGreffe"].dtype)  # 正常应输出 datetime64[ns]

如果输出是object，重新执行pd.to_datetime并直接赋值即可。

修正后的完整代码 #

import pandas as pd

# Sample data
data = {'DateGreffe': ['25/10/2023', '26/10/2023', '27/10/2023']}
df = pd.DataFrame(data)

# Convert "DateGreffe" to datetime
df["DateGreffe"] = pd.to_datetime(df["DateGreffe"], dayfirst=True)

# 检查Series整体dtype
print(df["DateGreffe"].dtype)

# Convert back to string format "DD/MM/YYYY"
df["DateGreffe"] = df["DateGreffe"].dt.strftime("%d/%m/%Y")

print(df)

内容的提问来源于stack exchange，提问作者FluidMechanics Potential Flows