Pandas：如何从Datetime类型DataFrame索引中提取年月

嘿，我来帮你搞定这个问题！你遇到的核心问题是：你的日期是DataFrame的索引，而不是普通的列，所以直接用df["date"]或者df["index"]去访问肯定行不通，得直接对索引本身操作才行。

下面给你两种实用的解决方法，根据你的需求选就行：

方法一：直接操作Datetime索引（推荐，保留原索引） #

既然你的索引已经是Datetime类型了，直接通过df.index调用对应的属性就能提取年份和月份，还能直接添加成新列：

# 提取年份到新列
df['year'] = df.index.year
# 提取月份到新列
df['month'] = df.index.month
# 如果想要YYYY-MM格式的年月组合（比如2019-01）
df['year_month'] = df.index.to_period('M')
# 要是需要字符串格式的年月，转一下就行
df['year_month_str'] = df.index.to_period('M').astype(str)

运行后你的DataFrame就会新增这些列，原有的Datetime索引也会保留，完全不影响后续的时间序列操作。

方法二：把索引转成普通列再操作 #

如果你更习惯用列的方式处理日期，可以先把索引转成普通列，再用dt属性提取：

# 将索引转为名为'date'的普通列，原索引会被替换成默认的整数索引
df = df.reset_index()
# 现在就可以用dt属性提取年份和月份了
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month

这种方法适合后续需要把日期当作普通数据列来处理的场景。

举个例子，用你给出的示例数据，运行方法一之后，DataFrame会变成这样：

完全符合你的需求哦！

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