Pandas中Object类型序列无法转换为Datetime，如何提取时间列中的小时部分？

我来帮你搞定这个需求！你现在要从格式为2021-04-30 09:32 +0000的时间列里提取小时部分，之前的字符串拆分方法不仅绕路，还因为数据类型问题报错，咱们换一种更可靠的方式来处理：

核心思路：先转成Pandas datetime类型，再直接提取小时 #

字符串拆分的方法依赖固定格式，一旦时间格式有变化（比如出现秒数）就会出错，而且容易导致数据类型混乱。正确的做法是先把整列时间转成Pandas的datetime类型（包含时区信息），再直接提取小时。

完整步骤代码 #

假设你的原始DataFrame是df_new，包含time列：

import pandas as pd

# 第一步：将原始time列转为带时区的datetime类型
# 格式符说明：%Y-%m-%d是日期，%H:%M是时分，%z是时区偏移（+0000）
df_new['time'] = pd.to_datetime(df_new['time'], format='%Y-%m-%d %H:%M %z')

# 第二步：提取小时部分
# 方式1：得到整数类型的小时（比如9、1、17）
df_new['hour'] = df_new['time'].dt.hour

# 方式2：得到两位字符串格式的小时（比如'09'、'01'、'17'）
# df_new['hour'] = df_new['time'].dt.strftime('%H')

# 可选：删除不需要的原始time列
df_new = df_new.drop('time', axis=1)

为什么你之前的方法会报错？ #

你之前的流程是拆分字符串得到09:32这样的子串，再转成datetime.time对象，但这个列的类型是object（因为每个元素是独立的time对象），而Pandas的.dt方法只适用于datetime64类型的列，所以会提示“不是Datetime格式”。如果非要用你原来的拆分方法补救，可以这样提取小时：

# 基于你原来的拆分结果，提取time对象的hour属性
df_new['hour'] = df_new['hour'].apply(lambda x: x.hour)

但显然，直接转整列datetime的方法更健壮、更简洁。

示例结果 #

用方式1（整数小时）得到的结果：

hour
0     9
1     1
2    17
3    13
4    11

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