提取日期年份并绘制产品年度柱状图：修复DataFrame属性错误

咱们先理清楚报错的原因：你已经把Date列设置成DataFrame的索引了，这时候Date不再是普通数据列，自然没法通过df.Date去访问它，所以才会弹出'DataFrame' object has no attribute 'Date'的错误提示。

下面给你两种正确生成Year列的方法，以及后续绘制柱状图的完整步骤：

方法一：保留Date为普通列（不设为索引） #

这种方式更直观，适合后续还需要用原始日期做其他分析的场景：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据，解析日期，不将Date设为索引
df = pd.read_csv('products.csv', sep=';', usecols=['Date','product1','product2','product3'], parse_dates=['Date'])

# 生成Year列：两种格式可选
# 方式1：得到字符串类型的年份（如'2018'）
df['Year'] = df['Date'].dt.strftime('%Y')
# 方式2：得到整数类型的年份（如2018），后续分组计算更便捷
# df['Year'] = df['Date'].dt.year

方法二：已将Date设为索引，通过索引提取年份 #

如果你已经完成了索引设置，直接通过DataFrame的索引来提取年份即可：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据并设置Date为索引
df = pd.read_csv('products.csv', sep=';', usecols=['Date','product1','product2','product3'], parse_dates=['Date'])
df.set_index('Date', inplace=True)

# 通过索引生成Year列
# 方式1：字符串年份
df['Year'] = df.index.dt.strftime('%Y')
# 方式2：整数年份
# df['Year'] = df.index.dt.year

按年份绘制柱状图 #

生成Year列后，需要先按年份聚合数据（比如求和年度总数量），再绘制柱状图：

# 按年份分组，计算各产品的年度总量（如果需要均值就替换成.mean()）
yearly_summary = df.groupby('Year')[['product1','product2','product3']].sum()

# 绘制柱状图
yearly_summary.plot(kind='bar', figsize=(10, 6), rot=0)
plt.title('各产品年度数量统计')
plt.xlabel('年份')
plt.ylabel('总数量')
plt.legend(title='产品类型')
plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()

这样就能得到清晰的按年份分组的产品数量柱状图啦！

内容的提问来源于stack exchange，提问作者mare