为什么 to_datetime 在不分配给列而是变量时会导致错误？

Question

我有以下代码：

example = {'date': ['01_September_2020_abdca', '01_September_2020_sfasd'],
          'user': ['a', 'b']}

example_df = pd.DataFrame(example)
test = example_df['date'].str.extract('([0-3][0-9]_[a-zA-Z]*_[0-9]{4})')
display(pd.to_datetime(test, format='%d_%B_%Y'))

但是，这会导致错误，即“AttributeError: 'int' object has no attribute 'lower'”。但是，如果我将代码更改为对列的赋值，那么它可以工作：

example = {'date': ['01_September_2020_abdca', '01_September_2020_sfasd'],
          'user': ['a', 'b']}

example_df = pd.DataFrame(example)
example_df['date_datetime'] = example_df['date'].str.extract('([0-3][0-9]_[a-zA-Z]*_[0-9]{4})')
display(pd.to_datetime(example_df['date_datetime'], format='%d_%B_%Y'))

谁能解释一下为什么这两段代码不相等？

Answer 1

当您执行test = example_df['date'].str.extract('([0-3][0-9]_[a-zA-Z]*_[0-9]{4})') 时，test 将成为数据框。

pd.to_datetime 需要一个数据框的列。

来自pd.to_datetime docs：

arg int, float, str, datetime, list, tuple, 1-d array, Series DataFrame/dict-like 要转换为日期时间的对象。

改为这样做：

In [2670]: pd.to_datetime(test[0], format='%d_%B_%Y')
Out[2670]: 
0   2020-09-01
1   2020-09-01

当你做example_df['date_datetime'] = example_df['date'].str.extract('([0-3][0-9]_[a-zA-Z]*_[0-9]{4})')时，

您正在通过 date_datetime 在数据框 example_df 中添加一列。

然后您在列本身上运行pd.to_datetime。因此它有效。

Answer 2

问题是：

pd.to_datetime(test, format='%d_%B_%Y')

因为test 是DataFrame，而pd.to_datetime 只接受Series/1D-array。不过这很好用：

display(pd.to_datetime(test[0], format='%d_%B_%Y'))

或者

display(test.apply(pd.to_datetime, format='%d_%B_%Y'))