升级Pandas后出现“.dt访问器仅支持类时间值”错误求助

这是Pandas版本升级后的已知行为差异，并非bug，核心原因是Pandas 1.0+版本对带时区的datetime列合并逻辑做了调整，和0.24.x的处理规则存在明显区别：

为什么合并后time列变成object类型？ #

在Pandas 0.24.x中，只要两个datetime列的时区名称一致（比如都是US/Eastern），merge后会保留datetime64[ns, US/Eastern]类型。但从Pandas 1.0开始，merge时会严格检查时区对象的同一性（即两个列的时区是否是同一个Python实例），而不仅仅是时区名称相同。

哪怕两个列的时区名称都是US/Eastern，只要一个是通过pytz.timezone('US/Eastern')创建的，另一个是dateutil.tz.gettz('US/Eastern')创建的，或者其中一个是从外部数据读取自动解析的、另一个是手动指定的，merge后都会因为时区实例不匹配，导致列类型退化为object。

解决方法 #

1. 合并前统一时区实例 #

确保两个DataFrame的time列使用完全相同的时区对象：

import pytz
tz = pytz.timezone('US/Eastern')

# 重新设置两个列的时区，覆盖原有时区实例
df['time'] = df['time'].dt.tz_convert(tz)
another_df['time'] = another_df['time'].dt.tz_convert(tz)

# 再执行合并操作
df = pd.merge(
    df,
    another_df[["time", "col1", "col2"]],  # 替换为你的实际列名
    on=["time"],
    how="left",
)

2. 合并后强制转换类型 #

如果合并后已经变成object类型，直接重新转换为带时区的datetime：

# 若原数据是带时区的datetime值，重新指定时区
df['time'] = pd.to_datetime(df['time']).dt.tz_localize('US/Eastern', ambiguous='infer')
# 若原数据是带时区的字符串，直接指定tz参数
# df['time'] = pd.to_datetime(df['time'], tz='US/Eastern')

3. 验证时区实例是否一致 #

合并前可以先检查两个列的时区是否为同一个实例，快速定位问题：

print(df['time'].dt.tz is another_df['time'].dt.tz)

如果输出False，就说明时区实例不匹配，是导致问题的直接原因，按方法1处理即可。

内容的提问来源于stack exchange，提问作者h8n2