如何修复pandas列格式错误，正确筛选指定年份对应活动的DataFrame？

前置处理：日期格式转换 #

首先你需要先把Date列转换为pandas的datetime类型，否则无法直接提取年份属性：

import pandas as pd
# 注意原始日期为日/月/年格式，添加dayfirst=True避免解析错误
df1['Date'] = pd.to_datetime(df1['Date'], dayfirst=True)

最优实现：向量化布尔索引（推荐） #

完全不需要用循环遍历行，pandas内置的向量化查询性能更高，代码也更简洁，直接按条件过滤即可得到保留表头的结构化DataFrame：

# 筛选2015年、activity 1的数据，保留ID、Date两列
answer1 = df1.loc[
    (df1['Date'].dt.year == 2015) & (df1['ACTIVITY'] == 'activity 1'),
    ['ID', 'Date']
].reset_index(drop=True)

# 筛选2015年、activity 2的数据，保留ID、Date两列
answer2 = df1.loc[
    (df1['Date'].dt.year == 2015) & (df1['ACTIVITY'] == 'activity 2'),
    ['ID', 'Date']
].reset_index(drop=True)

reset_index(drop=True)的作用是清理过滤后残留的原始行索引，得到连续的新索引。

原代码错误原因 #

1. 未提前转换Date列格式：原始Date是字符串类型，没有year属性，直接取rows['Date'].year会直接报错。
2. 遍历iterrows的方式本身效率极低，仅适合极小数据集使用。
3. 取rows['ID','Date']得到的是一维Series，直接追加时会被识别为单列数据，导致结构错乱；同时pandas 2.0+已经彻底移除了DataFrame.append()方法，该写法本身不兼容新版本。

循环写法修正版（不推荐，仅作参考） #

如果你坚持要用循环实现，可按如下方式修改：

# 提前初始化指定列名的空DataFrame
answer1 = pd.DataFrame(columns=['ID', 'Date'])
answer2 = pd.DataFrame(columns=['ID', 'Date'])

for index, rows in df1.iterrows():
    if rows['Date'].year == 2015 :
        if rows['ACTIVITY'] == 'activity 1' :
            # 将一维Series转为单行DataFrame后再拼接
            data1 = rows[['ID','Date']].to_frame().T
            answer1 = pd.concat([answer1, data1], ignore_index=True)
        if rows['ACTIVITY'] == 'activity 2' :
            data2 = rows[['ID','Date']].to_frame().T
            answer2 = pd.concat([answer2, data2], ignore_index=True)

内容的提问来源于stack exchange，提问作者Saksham Jain