如何从pandas的Datetime类型列提取年、月、周数据并解决KeyError报错

问题原因 #

调用groupby(["Week"]).sum()时，分组键Week默认会成为结果DataFrame的索引，不会保留为普通列，所以直接通过df_all_sales['Week']取列会抛出KeyError。

解决方法 #

方法1：直接从Datetime类型索引提取属性 #

df_all_sales的索引本身就是datetime64类型的周数据，直接调用索引的时间属性即可：

# 提取年份
df_all_sales['year'] = df_all_sales.index.year
# 提取月份
df_all_sales['month'] = df_all_sales.index.month
# 提取一年中的第几周
df_all_sales['week_of_year'] = df_all_sales.index.isocalendar().week

方法2：分组时保留Week为普通列 #

如果希望后续直接把Week当列操作，分组时添加as_index=False参数即可：

# 分组时指定as_index=False，分组键不会转为索引
df_all_sales = df.groupby(["Week"], as_index=False).sum()
# 之后就可以正常用dt属性操作Week列
df_all_sales['year'] = df_all_sales['Week'].dt.year
df_all_sales['month'] = df_all_sales['Week'].dt.month
df_all_sales['week_of_year'] = df_all_sales['Week'].dt.isocalendar().week

方法3：将已有索引重置为普通列 #

如果已经完成分组不想重新计算，可以调用reset_index()把索引转回普通列：

df_all_sales = df_all_sales.reset_index()
# 之后就可以正常取Week列操作
df_all_sales['year'] = df_all_sales['Week'].dt.year

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