如何对整个DataFrame应用日期操作生成year_month字段？

嗨，我来帮你搞定这个问题！要在DataFrame里批量生成year_month字段，核心是利用Pandas的日期处理能力，下面分几种最常见的场景给你演示：

场景1：已有datetime类型的日期列 #

如果你的DataFrame里已经有一个datetime类型的列（比如叫order_date），直接用.dt.strftime()方法就能快速生成指定格式的year_month：

import pandas as pd

# 假设你的DataFrame是df，日期列是order_date
df['year_month'] = df['order_date'].dt.strftime('%Y-%m')  # 生成格式如：2024-05
# 要是你需要其他格式，比如202405就用'%Y%m'，May2024就用'%b%Y'

这里的.dt访问器是关键，它能让你对整列datetime数据批量操作，不用手动写循环，效率拉满～

场景2：日期列是字符串格式 #

如果你的日期是字符串（比如'2024/05/18'、'05-2024'这类），先把它转换成datetime类型再处理：

# 第一步：将字符串列转为datetime类型（自动识别常见格式）
df['order_date'] = pd.to_datetime(df['order_date'])
# 第二步：生成year_month
df['year_month'] = df['order_date'].dt.strftime('%Y-%m')

如果你的字符串格式比较特殊，还可以给pd.to_datetime()加format参数指定格式，比如pd.to_datetime(df['order_date'], format='%d/%m/%Y')。

场景3：只有单独的年、月列 #

如果你的DataFrame里分开存了year（数字型，比如2024）和month（数字型，比如5）列，可以用字符串拼接的方式生成：

# 把月份转成两位数字（比如5→'05'），再和年份拼接
df['year_month'] = df['year'].astype(str) + '-' + df['month'].apply(lambda x: f'{x:02d}')

常见格式符参考 #

你可以根据需求调整strftime的参数，常用的格式符有：

• %Y：4位完整年份（如2024）
• %y：2位年份（如24）
• %m：两位数字月份（01-12）
• %b：英文月份缩写（Jan-Dec）
• %B：英文完整月份名（January-December）

内容的提问来源于stack exchange，提问作者93i7hdjb