如何将Pandas DataFrame日期列提取的年份转为整数？

我来帮你搞定这个问题！你遇到的核心问题是——Python内置的int()函数只能处理单个值，没办法直接把整个pandas Series（也就是你提取出的年份字符串列）转成整数类型。下面给你几种靠谱的解决方案：

方案1：用pd.to_numeric()批量转数值类型 #

这是pandas专门用来处理Series/列级数值转换的方法，既稳健又方便：

# 先把提取的年份转为数值类型，存成新列
ecom["Year"] = pd.to_numeric(ecom["Date"].str[3:])
# 筛选2025年（对应数值25）的数据
filtered_ecom = ecom[ecom["Year"] == 25]

或者直接一步到位，不用新增列：

filtered_ecom = ecom[pd.to_numeric(ecom["Date"].str[3:]) == 25]

如果你的日期列里有一些格式不规范的内容，还可以加errors='coerce'参数，把无效值转为NaN，避免报错：

pd.to_numeric(ecom["Date"].str[3:], errors='coerce')

方案2：用astype()强制转换 #

如果能确定所有提取出的年份字符串都是纯数字，也可以直接用astype()转换：

ecom["Year"] = ecom["Date"].str[3:].astype(int)
filtered_ecom = ecom[ecom["Year"] == 25]

不过这个方法容错率低，如果遇到非数字的字符串会直接报错，不如pd.to_numeric()稳妥。

方案3：更规范的做法——把日期转为datetime类型 #

其实最好的方式是直接把整个Date列转为pandas的datetime类型，这样后续做任何日期相关的操作都会更灵活：

# 按照MM/YY的格式解析日期
ecom["Date"] = pd.to_datetime(ecom["Date"], format="%m/%y")
# 直接筛选年份为2025的数据
filtered_ecom = ecom[ecom["Date"].dt.year == 2025]

这样处理后，你还能轻松实现按月筛选、计算日期差等操作，比单纯提取年份字符串要实用得多。

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