如何对时间戳列表应用函数生成Pandas Series？解决属性错误

错误原因分析 #

你遇到的AttributeError: 'Series' object has no attribute 'year'核心问题很明确：
当你执行GC_1M.reset_index().apply(as_timedelta,axis=1)时，apply(axis=1)会把整行数据打包成一个Series对象传入as_timedelta函数，但你的函数原本是设计用来接收单个pd.Timestamp对象的。所以当函数尝试访问ref_ts.year时，自然会报错——Series没有year这个属性。

两种解决方案 #

方案1：直接对时间戳列应用函数（推荐）

既然我们只需要时间戳列的数据，没必要让apply处理整行。重置索引后，直接提取Timestamp列单独应用函数即可：

# 重置索引后，仅对Timestamp列调用apply
timedelta_values = GC_1M.reset_index()['Timestamp'].apply(as_timedelta).values

这种方式和你单独测试函数的场景完全一致，每个传入as_timedelta的都是单个pd.Timestamp对象，能完美兼容原函数逻辑，而且执行效率更高。

方案2：修改函数兼容Series输入

如果你需要保留整行apply的场景（比如后续函数需要用到整行其他数据），可以修改函数，先从传入的Series中提取时间戳：

import pandas as pd
def as_timedelta(input_data):
    """
    Return the duration of a time period.
    For a month, obtaining its duration requires a reference timestamp to identify how many days have to be accounted for in the month.
    """
    # 处理输入为Series的情况（整行apply时）
    if isinstance(input_data, pd.Series):
        ref_ts = input_data['Timestamp']
    else:
        ref_ts = input_data  # 兼容单个Timestamp的输入
    
    # 原函数逻辑保持不变
    current_month = pd.Timestamp(year=ref_ts.year, month=ref_ts.month, day=1)
    next_month = current_month + pd.DateOffset(months=1)
    nex_next_month = current_month + pd.DateOffset(months=2)
    dist_to_next = next_month - ref_ts
    dist_to_prev = ref_ts - current_month
    td_13 = pd.Timedelta(13, 'h')
    if dist_to_next < td_13:
        return nex_next_month - next_month
    elif dist_to_prev < td_13:
        return next_month - current_month

之后再执行整行apply就不会报错了：

timedelta_values = GC_1M.reset_index().apply(as_timedelta, axis=1).values

验证结果 #

用你的示例数据测试，两种方案都会返回正确的月度时间差：

• 2019-02-01对应的时间差是28 days 00:00:00
• 2019-03-01对应的时间差是31 days 00:00:00
• 2019-04-01对应的时间差是30 days 00:00:00

内容的提问来源于stack exchange，提问作者pierre_j