如何为pandas timedelta类型Series批量提取days属性？

问题解答 #

为什么会出现KeyError: 12？ #

你可能没意识到——这个错误确实和索引的“字典式”查找逻辑有关！Pandas的Series本质是一个带标签索引的有序集合，当你写age[i]时，它是在按索引标签查找元素，而非按位置顺序。如果你的Series索引不是连续的0、1、2……这类整数（比如中间有缺失的索引值，或是索引为其他类型），当循环到i=12时，你的Series里根本没有标签为12的元素，自然就抛出了KeyError。

举个直观的例子：如果你的Series索引是[0,1,2,...,11,13,14,...]，那当循环到i=12时，age[12]找不到对应的元素，就会触发这个错误。

如何批量提取.days属性？ #

推荐两种方法，优先选择第一种（Pandas原生向量化操作，效率最高）：

1. 使用dt访问器（最推荐）
   Pandas专为Timedelta类型的Series提供了dt访问器，能直接批量提取属性，一行代码就能搞定：

age_new = ages.dt.days

得到的age_new是整数类型的Series，完全满足需求，而且比循环高效得多，数据量越大优势越明显。

2. 如果一定要用循环，按位置访问元素
   要是你坚持用循环实现，记得按位置而非索引标签访问元素，用iloc方法：

age_new = []
for i in range(len(ages)):
    age_new.append(ages.iloc[i].days)

或者用更简洁的列表推导式：

age_new = [x.days for x in ages]

这两种方式都会按顺序遍历Series的每一个元素，不受索引标签的影响，也就不会出现KeyError了。

内容的提问来源于stack exchange，提问作者cool_beans