Pandas时间列时段判断报错：Timestamp无dt属性及类型不兼容

错误原因分析 #

• 使用map+lambda时，单个Timestamp对象无法直接与datetime.time类型的值比较，类型不匹配导致TypeError；
• dt是Pandas Series的专属属性，用于批量处理时间序列，单个Timestamp对象没有dt属性，因此调用x.dt.time会报错。

最优解决方案（向量化操作，高效适配大数据量） #

针对10万行的数据集，优先使用Pandas的向量化操作，避免逐行处理的性能损耗：

方法1：通过小时数快速判断区间

如果只需判断小时在0-8点（不含8点整），直接提取小时数生成掩码：

import pandas as pd
from datetime import timedelta

# 假设你的数据集已存入df，「Time/Date」列已转为datetime类型
df['Date_adjusted'] = df['Time/Date'].copy()
# 生成时间区间掩码：00:00-08:00（不含08:00）
mask = df['Time/Date'].dt.hour.between(0, 7)
# 对符合条件的行调整日期
df.loc[mask, 'Date_adjusted'] = df.loc[mask, 'Time/Date'] - timedelta(days=1)

如果需要包含08:00整，将between(0,7)改为between(0,8)即可。

方法2：精确到时分秒的区间判断

如果需要严格匹配00:00:00到08:00:00的时间范围（含边界），可以提取时间部分进行比较：

import pandas as pd
from datetime import timedelta

# 定义时间边界
start_time = pd.Timestamp('00:00:00').time()
end_time = pd.Timestamp('08:00:00').time()

# 生成精确时间区间的掩码
mask = (df['Time/Date'].dt.time >= start_time) & (df['Time/Date'].dt.time <= end_time)

# 使用where方法批量调整日期：mask为False时保留原时间，True时减1天
df['Date_adjusted'] = df['Time/Date'].where(~mask, df['Time/Date'] - timedelta(days=1))

修正后的逐行处理方案（不推荐，效率低） #

如果一定要用map+lambda，需针对单个Timestamp对象调用.time()方法获取时间部分，再与datetime.time类型的值比较：

import pandas as pd
from datetime import time, timedelta

df['Date_adjusted'] = df['Time/Date'].map(lambda x: x - timedelta(days=1) if (time(0,0) <= x.time() <= time(8,0)) else x)

注意：这种逐行处理方式在10万行数据上的运行效率远低于向量化操作，不建议使用。

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