您可以先用熊猫转换日期字符串。To_datetime，它允许您访问所有numpy datetime和timedelta工具。例如:

df['ArrivalDate'] = pandas.to_datetime(df['ArrivalDate'])
df['Month'] = df['ArrivalDate'].values.astype('datetime64[M]')

感谢jaknap32，我想根据年和月聚合结果，所以这是有效的:

df_join['YearMonth'] = df_join['timestamp'].apply(lambda x:x.strftime('%Y%m'))

输出很简洁:

0    201108
1    201108
2    201108

假如你想要月年独一无二的一对，使用套用是相当时髦的。

df['mnth_yr'] = df['date_column'].apply(lambda x: x.strftime('%B-%Y')) 

在一列中输出月-年。

别忘了先把格式改成日期-时间之前，我一般都忘了。

df['date_column'] = pd.to_datetime(df['date_column'])

df['year_month']=df.datetime_column.apply(lambda x: str(x)[:7])

这对我来说工作得很好，不认为熊猫会将结果字符串日期解释为日期，但当我做图时，它非常清楚我的议程和字符串year_month的顺序…一定要爱熊猫!

df['date_column']必须是日期时间格式。

df['month_year'] = df['date_column'].dt.to_period('M')

对于不同的采样间隔，您也可以使用D表示日，2M表示2个月等，如果有带时间戳的时间序列数据，我们可以采用粒度采样间隔，例如45Min表示45分钟，15Min表示15分钟采样等。

@KieranPC的解决方案是Pandas的正确方法，但不容易扩展到任意属性。为此，你可以在生成器理解中使用getattr，并使用pd.concat进行组合:

# input data
list_of_dates = ['2012-12-31', '2012-12-29', '2012-12-30']
df = pd.DataFrame({'ArrivalDate': pd.to_datetime(list_of_dates)})

# define list of attributes required    
L = ['year', 'month', 'day', 'dayofweek', 'dayofyear', 'weekofyear', 'quarter']

# define generator expression of series, one for each attribute
date_gen = (getattr(df['ArrivalDate'].dt, i).rename(i) for i in L)

# concatenate results and join to original dataframe
df = df.join(pd.concat(date_gen, axis=1))

print(df)

  ArrivalDate  year  month  day  dayofweek  dayofyear  weekofyear  quarter
0  2012-12-31  2012     12   31          0        366           1        4
1  2012-12-29  2012     12   29          5        364          52        4
2  2012-12-30  2012     12   30          6        365          52        4