Pandas中如何将<X * Days>格式数据提取为整数？

你的报错原因很明确：dt 访问器只能用于datetime/timedelta类型的标量元素，但你的列里每个单元格是列表对象，所以直接调用.dt.days完全不适用。以下是针对这类列表数据的处理方案：

方法一：正则表达式提取数字（通用字符串场景） #

如果列表中的元素是类似 <36 * Days> 的字符串格式，用正则提取数字是最稳妥的方式：

import re
import pandas as pd

# 定义处理单个列表的函数
def extract_day_numbers(td_list):
    # 遍历列表每个元素，提取其中的数字并转整数
    return [int(re.search(r"\d+", str(item)).group()) for item in td_list]

# 应用到目标列
df["tdColumn"] = df["tdColumn"].apply(extract_day_numbers)

处理后，列中每个列表会变成 [36, 23] 这样的整数列表，后续计算均值可以直接用：

# 新增均值列，空列表返回None避免报错
df["mean_days"] = df["tdColumn"].apply(lambda x: sum(x)/len(x) if x else None)

方法二：转换为Timedelta对象提取天数（针对timedelta字符串表示） #

如果列表中的元素本质是pandas.Timedelta对象的字符串打印形式（比如直接输出就是<36 * Days>），可以先转换为Timedelta再取天数：

from pandas import Timedelta

def extract_days_from_timedelta(td_list):
    return [Timedelta(item).days for item in td_list]

df["tdColumn"] = df["tdColumn"].apply(extract_days_from_timedelta)

异常处理优化（可选） #

如果列表中存在格式异常的元素（比如没有数字、空值），可以添加安全判断避免报错：

def extract_day_numbers_safe(td_list):
    result = []
    for item in td_list:
        match = re.search(r"\d+", str(item))
        result.append(int(match.group()) if match else None)
    return result

df["tdColumn"] = df["tdColumn"].apply(extract_day_numbers_safe)

内容的提问来源于stack exchange，提问作者Mile