嘿，这个问题我碰到过，咱们来拆解一下问题根源，再给你修正方案！

错误原因 #

你代码里的lambda x: x['date'].replace(...)是核心问题：你的df['date']列存储的是Pandas Timestamp对象，而不是字典或者嵌套的Series。Timestamp没有下标访问（[]）的方法，所以x['date']会直接抛出"not subscriptable"的错误——你直接操作x本身就行，它就是你要处理的时间戳！

另外还要注意：你用df.loc[:last_consumption_of_year_index]['date']这种链式索引的写法，很可能会触发SettingWithCopyWarning，因为这种写法可能返回的是原DataFrame的副本而非视图，赋值操作可能不会生效到原DataFrame上。

修正后的代码 #

我把你的代码调整了两处：一是修复Timestamp的操作，二是用正确的.loc多轴索引避免链式赋值问题，同时还给你提供了更高效的向量化替代方案：

方案1：修正apply写法

import pandas as pd
from datetime import datetime

# 假设current_year是你需要的年份，比如当前年份
current_year = datetime.now().year

# 先定位目标索引（增加空值判断，避免找不到匹配行时报错）
mask = (df['date'].dt.month == 12) & \
       (df['date'].dt.day == 31) & \
       (df['date'].dt.hour == 23) & \
       (df['date'].dt.minute == 30)

if not mask.any():
    raise ValueError("没有找到符合年末23:30条件的时间戳，请检查数据！")

last_consumption_of_year_index = df.loc[mask].index[0]

# 修正第一个赋值操作：直接操作Timestamp对象，用.loc直接定位列
df.loc[:last_consumption_of_year_index, 'date'] = df.loc[:last_consumption_of_year_index, 'date'].apply(
    lambda x: x.replace(year=current_year - 1)
)

# 完成第二个赋值操作（假设你要将后续行的年份改为current_year）
df.loc[last_consumption_of_year_index + 1:, 'date'] = df.loc[last_consumption_of_year_index + 1:, 'date'].apply(
    lambda x: x.replace(year=current_year)
)

方案2：更高效的向量化操作（推荐）

Pandas的dt属性支持向量化的replace操作，比逐元素的apply效率高得多，尤其是处理大数据集时：

# 延续上面的mask和索引定位逻辑
df.loc[:last_consumption_of_year_index, 'date'] = df.loc[:last_consumption_of_year_index, 'date'].dt.replace(year=current_year - 1)
df.loc[last_consumption_of_year_index + 1:, 'date'] = df.loc[last_consumption_of_year_index + 1:, 'date'].dt.replace(year=current_year)

额外提醒 #

• 确保你的current_year变量已经被正确定义，比如你可以根据业务需求设置为固定年份，或者用datetime.now().year获取当前年份。
• 如果你的数据中可能存在多个符合年末条件的行，index[0]只会取第一个匹配的索引，如果你需要处理所有匹配行，可能需要调整逻辑。

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