Pandas转换时间后获取微秒报错：'Series'对象无'microsecond'属性

嘿，我来帮你搞定这个小问题！你遇到的报错原因很明确：当你用pd.to_datetime转换整个列之后，得到的x是一个pandas Datetime Series（也就是一组datetime对象的序列），而单个datetime对象的.microsecond属性不能直接用在Series上——Series需要用专门的dt访问器来获取时间相关的属性。

下面是具体的解决方案，分步骤来：

1. 正确提取微秒数值 #

用dt.microsecond替代直接调用.microsecond，就能得到每个时间对应的微秒整数：

# 提取微秒整数序列
microseconds = x.dt.microsecond
# 输出会是类似：0    3, 1    3, 2    7... 的Series

2. 格式化为三位字符串（如003、007） #

如果你需要像例子里那样带前导零的三位字符串格式，可以把整数转成字符串后用str.zfill(3)补零：

formatted_micro = x.dt.microsecond.astype(str).str.zfill(3)

3. 转换成目标数组 #

最后如果要生成你需要的数组，只需要调用.to_numpy()或者.values即可：

target_array = formatted_micro.to_numpy()
# 输出就是：['003' '003' '007' '007' '011' '011' '015' '015']

完整示例代码 #

结合你的数据，完整的可运行代码如下：

import pandas as pd

# 模拟你的时间数据
df = pd.DataFrame({
    'Time': [
        '1900-01-01 00:00:00.003',
        '1900-01-01 00:00:00.003',
        '1900-01-01 00:00:00.007',
        '1900-01-01 00:00:00.007',
        '1900-01-01 00:00:00.011',
        '1900-01-01 00:00:00.011',
        '1900-01-01 00:00:00.015',
        '1900-01-01 00:00:00.015'
    ]
})

# 转换为datetime类型（这里不需要指定format，pandas能自动识别标准格式）
x = pd.to_datetime(df['Time'])

# 生成目标数组
result_array = x.dt.microsecond.astype(str).str.zfill(3).to_numpy()
print(result_array)

另外提个小细节：你的时间字符串是完整的ISO格式（包含日期+时间+微秒），所以pd.to_datetime可以自动解析，不需要手动指定format='%H:%M:%S.%f'——这个format参数更适合只有时分秒微秒的字符串哦。

内容的提问来源于stack exchange，提问作者falo8056