Python 时间序列年提取

我有一个包含时间戳的DF：

0     2005-08-31 16:39:40
1     2005-12-28 16:00:34
2     2005-10-21 17:52:10
3     2014-01-28 12:23:15
4     2014-01-28 12:23:15
5     2011-02-04 18:32:34
6     2011-02-04 18:32:34
7     2011-02-04 18:32:34

我想从每个时间戳中提取年份，在DF中创建额外的列，如下所示：

0     2005-08-31 16:39:40 2005
1     2005-12-28 16:00:34 2005
2     2005-10-21 17:52:10 2005
3     2014-01-28 12:23:15 2014
4     2014-01-28 12:23:15 2014
5     2011-02-04 18:32:34 2011
6     2011-02-04 18:32:34 2011
7     2011-02-04 18:32:34 2011

很明显，我可以检查所有的DF条目，去掉日期的前4个字符。这很慢。我想知道是否有一种快速的python方法可以做到这一点。 我发现可以通过DF=pd.to_datetime（DF，%Y-%m-%d%H:%m:%s）将列转换为datetime格式，但当我尝试应用datetime.datetime.year（DF）时，它不起作用。我还需要将时间戳解析为月和年-月的组合，等等。。。 请帮忙。

---

谢谢。

无需为每行应用函数。您可以调用一个新的访问器来访问属性：

In [35]:

df1['year'] = df1['timestamp'].dt.year
df1
Out[35]:
            timestamp  year
0 2005-08-31 16:39:40  2005
1 2005-12-28 16:00:34  2005
2 2005-10-21 17:52:10  2005
3 2014-01-28 12:23:15  2014
4 2014-01-28 12:23:15  2014
5 2011-02-04 18:32:34  2011
6 2011-02-04 18:32:34  2011
7 2011-02-04 18:32:34  2011

如果时间戳为str，则可以使用以下方法将其转换为datetime64：

您可以像上面那样使用

dt

访问月份和其他属性

对于

0.15.0

之前的版本，您可以执行以下操作：

df1['year'] = df1['timestamp'].apply(lambda x: x.year)

---

谢谢，@EdChum，但它不起作用，因为AttributeError:“Series”对象没有属性“year”，尽管我将原始DF转换为datetime64[ns]。。。我尝试应用DF.year，但它不起作用……不，您使用

DF['col_name'].dt.year

替换

col_name

，无论您的列名是什么，您的版本是什么？我认为datetime属性是在

0.15.0

I get AttributeError中引入的，当我使用带有附加列的原始DF时：“Series”对象没有属性“dt”，如果我定义一个新的DF1=pd.to_datetime（DF）。。也许我应该使用显式名称而不是dt缩写？：-（很抱歉，您必须将转换结果分配回或分配给新的df，因此

df=pd。只要df是一个序列类型（DF1）（或转换的df，如果您愿意），并且不幸的是，它不工作，to_datetime（df）

应该可以工作：-（将继续挖掘。。。

df1['year'] = df1['timestamp'].apply(lambda x: x.year)