Python pandas提取每日首条/聚合同日期数据及报错解决

云原生阿岚

2026-8-28

报错原因

触发AttributeError: Can only use .str accessor with string values!是因为你通过x.date()生成的Time列是Python原生date类型，不是字符串类型，无法调用.str字符串处理接口，完全没必要用正则提取日期，属于多走了弯路。

最优实现流程

第一步：规范加载JSON数据

你的JSON是嵌套结构，加载时直接扁平化处理，从根源避免多级列名带来的冗余操作：

import pandas as pd
import json

# 替换为你的JSON文件实际路径
with open("nft_floor_data.json", "r", encoding="utf-8") as f:
    raw = json.load(f)

# 直接生成绘图用的标准基础表
df = pd.DataFrame({
    "datetime": pd.to_datetime(raw["data"]["date"]),
    "Floor Price (ETH)": raw["data"]["datasets"]
})

第二步：二选一完成日维度聚合

两种逻辑都不需要额外生成字符串日期列，直接用pandas datetime类型自带的.dt.date接口按天分组即可。

方案1：提取每日首条记录

# 取每日第一条数据，要取最后一条把.first()换成.last()即可
df_daily = df.groupby(df["datetime"].dt.date, as_index=False).first()
df_daily = df_daily.rename(columns={"datetime": "Date"})

方案2：按日计算价格均值

df_daily = df.groupby(df["datetime"].dt.date, as_index=False).agg({
    "Floor Price (ETH)": "mean"
})
df_daily = df_daily.rename(columns={"datetime": "Date"})

原有代码修正版

如果你不想调整现有数据加载逻辑，保留原有data.date、data.datasets列结构，直接删掉冗余的正则提取步骤即可：

df["data.date"] = pd.to_datetime(df["data.date"])

# 首条记录逻辑
df_daily = df.groupby(df["data.date"].dt.date, as_index=False).agg(
    Date=("data.date", "first"),
    "Floor Price (ETH)": ("data.datasets", "first")
).reset_index(drop=True)

# 均值逻辑替换agg内规则即可
# df_daily = df.groupby(df["data.date"].dt.date, as_index=False).agg(
#     Date=("data.date", "first"),
#     "Floor Price (ETH)": ("data.datasets", "mean")
# ).reset_index(drop=True)