DataFrame多级列Level[1]含NaT，转字符串时strftime报错求助

错误原因分析 #

1. 第一个报错：NaTType does not support strftime
   NaT是pandas的缺失时间类型，本身没有strftime方法，直接遍历df.columns.levels[1]时遇到NaT就会触发报错。

2. 第二个报错：AttributeError: 'Timestamp' object has no attribute 'datetime'
   pandas的Timestamp对象直接内置了strftime方法，不需要额外访问.datetime属性——这是混淆了Python原生datetime对象和pandasTimestamp对象的用法。

正确解决方案 #

方法1：批量更新Level1的levels #

直接修改多级索引的Level1层级，对每个元素做条件判断，处理NaT：

import pandas as pd

# 处理Level1的每个元素：有效时间转格式，NaT替换为指定字符串（比如'NaT'或空串）
new_level1 = [
    x.strftime('%m-%d-%Y') if pd.notna(x) else 'NaT' 
    for x in df.columns.levels[1]
]

# 更新多级索引的levels
df.columns = df.columns.set_levels([df.columns.levels[0], new_level1], level=[0, 1])

方法2：重新构建多级索引 #

如果需要更灵活地控制每个列的元组，可以逐个处理列的索引对：

import pandas as pd

# 遍历每个列的索引元组，替换Level1的内容
new_columns = [
    (lev0, lev1.strftime('%m-%d-%Y') if pd.notna(lev1) else 'NaT')
    for lev0, lev1 in df.columns
]

# 重新设置多级索引
df.columns = pd.MultiIndex.from_tuples(new_columns, names=df.columns.names)

关键注意点 #

• 不要直接把df.columns赋值为普通列表，这会丢失多级索引的结构，必须用pd.MultiIndex相关方法处理。
• 用pd.notna(x)可以准确判断元素是否为有效Timestamp（NaT会返回False）。

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