如何从Pandas DataFrame的datetime类型列高效提取年、月、日？

嘿，你的这个实现完全没问题，但其实Pandas有更高效、更简洁的原生方法来搞定这个需求！

你现在用的apply+lambda虽然能实现功能，但本质是逐行循环处理，当数据集很大的时候，性能会不如Pandas专门为datetime列设计的dt访问器。而且用dt的话，代码也更清爽，不用写重复的lambda语句。

第一种优化方式：直接用dt访问器赋值 #

这是最直观的改进，直接通过dt访问器获取日期的年、月、日属性：

data['MFR_YEAR'] = data['MFR_DATE'].dt.year
data['MFR_MONTH'] = data['MFR_DATE'].dt.month
data['MFR_DAY'] = data['MFR_DATE'].dt.day

第二种更紧凑的方式：用assign一次性生成多列 #

如果你想让代码更连贯，避免多次单独赋值，也可以用assign方法一次性完成所有新列的添加：

data = data.assign(
    MFR_YEAR=data['MFR_DATE'].dt.year,
    MFR_MONTH=data['MFR_DATE'].dt.month,
    MFR_DAY=data['MFR_DATE'].dt.day
)

这两种方法的核心都是利用Pandas的向量化操作，比逐行循环的apply性能提升不少——尤其是处理几十万甚至上百万行数据的时候，性能差距会非常明显。同时代码可读性也更高，别人一眼就能看懂你是在提取日期的各个组成部分。

内容的提问来源于stack exchange，提问作者smishra