pandas版本更新后原有代码无法运行，触发.str访问器AttributeError报错

错误原因 #

这个报错是pandas版本迭代后对访问器的校验逻辑收紧导致的：

• 旧版本pandas允许在混有非字符串值的object类型列、甚至datetime类型列上调用.str访问器，不符合条件的内容只会返回NaN不会抛出显性错误
• 新版本（pandas 1.0及以上）仅允许明确为字符串类型（string dtype）、或全为字符串的object类型列调用.str访问器，你的service_date列大概率是升级后被自动推断为datetime类型，或是列中存在非字符串内容，导致调用.str.contains时报错。

解决方法 #

你可以根据你的列实际类型选择对应方案：

方案1：service_date为datetime类型（推荐） #

直接使用datetime专属的.dt访问器筛选年份，比字符串匹配效率更高、准确性更强，修改筛选逻辑即可：

iterator = ['18', '19', '20', '21']
# 建议用字典存储动态生成的DataFrame，比直接写locals()更易维护且无变量污染问题
list1_store = {}
list2_store = {}
for i in iterator:
    target_year = int(f"20{i}")
    list1_store[f"List1_20{i}"] = List1[List1['service_date'].dt.year == target_year]
    list2_store[f"List2_20{i}"] = list1_store[f"List1_20{i}"][
        list1_store[f"List1_20{i}"]['is_provider_server'] == 'YES'
    ].groupby(['provider_number'])['is_provider_server'].count().reset_index().rename(columns={'is_provider_server': "provider_server"})

方案2：service_date为object类型存在非字符串值 #

如果确实需要用字符串匹配的方式筛选，先强制将列转为字符串类型再调用.str访问器：

iterator = ['18', '19', '20', '21']
list1_store = {}
list2_store = {}
for i in iterator:
    list1_store[f"List1_20{i}"] = List1[List1['service_date'].astype(str).str.contains(f"20{i}-")]
    list2_store[f"List2_20{i}"] = list1_store[f"List1_20{i}"][
        list1_store[f"List1_20{i}"]['is_provider_server'] == 'YES'
    ].groupby(['provider_number'])['is_provider_server'].count().reset_index().rename(columns={'is_provider_server': "provider_server"})

如果坚持要使用locals()生成全局变量，只需要替换筛选行的List1['service_date'].str.contains部分为对应方案的代码即可。

内容的提问来源于stack exchange，提问作者Raul A. Ocasio Gonzalez