pandas按月份筛选行时.dt访问器报错但字段为datetime类型如何解决？

问题原因 #

1. 单个datum字段值虽然是datetime.datetime类型，但整列Series的dtype为object类型，pandas的.dt访问器仅支持datetime64系列类型的Series，不支持object类型的Series，哪怕列内所有元素都是原生datetime对象也会触发该报错。
2. 你之前使用apply(pd.to_datetime)逐行转换没有报错，但因为列内datetime对象携带了psycopg2的自定义FixedOffsetTimezone时区对象，逐行转换后的结果无法被pandas自动合并为统一的带时区datetime64类型列，最终还是保留为object dtype，因此还是无法使用.dt访问器。

解决方法 #

临时解决方案 #

不需要修改列类型，直接通过map方法调用每个原生datetime对象的month属性即可完成筛选：

df.loc[df['datum'].map(lambda x: x.month) <= 6]

永久解决方案（支持正常使用.dt访问器） #

不要使用逐行apply转换，直接对整列调用pd.to_datetime，pandas会自动识别带时区的datetime对象，将整列转换为对应带时区的datetime64[ns, tz]类型：

# 整列转换为pandas标准datetime类型
df['datum'] = pd.to_datetime(df['datum'])

# 转换完成后即可正常使用.dt访问器
df.loc[df['datum'].dt.month <= 6]

如果业务中不需要时区信息，转换后可统一去除时区：

# 转换为无时区的datetime64类型
df['datum'] = pd.to_datetime(df['datum']).dt.tz_convert(None)

内容的提问来源于stack exchange，提问作者Bera