提取月份需先用pd.to_datetime()转为datetime64类型，再用.dt.month；周数应使用.dt.isocalendar().week（iso 8601标准），避免已弃用的.dt.week；星期名优先用.dt.day_name()或.dt.dayofweek映射中文；性能敏感时宜缓存datetimeindex。
用 dt.month 提取月份时，必须确保列是 datetime64 类型
直接对字符串或 object 类型的日期列调用 .dt.month 会报 AttributeError: Can only use .dt accessor with datetimelike values。Pandas 不会自动推断字符串为时间，得手动转换。
- 先用
pd.to_datetime()转换，遇到无法解析的值默认设为NaT（推荐加errors='coerce'） - 检查类型：转换后用
df['col'].dtype确认是否为datetime64[ns] - 如果原始数据含混合格式（如 "2023-01"、"Jan 2023"），
to_datetime可能失败，需先统一格式或用format参数指定
dt.week 和 dt.isocalendar().week 返回结果不同
dt.week 在新版本 Pandas（>= 1.1）中已被弃用，实际运行会触发 FutureWarning；它返回的是基于年份起始日计算的“第几周”，但定义模糊、跨年不一致。真正可靠的是 dt.isocalendar().week —— 它严格遵循 ISO 8601 标准：每周从周一算起，第 1 周必须包含当年第一个周四。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 旧写法
df['date'].dt.week→ 改成df['date'].dt.isocalendar().week -
isocalendar()返回 DataFrame（含 year/week/day 三列），取周只需加.week - 注意：ISO 周可能跨年，比如 2024-12-30 是 ISO 第 1 周（属于 2025 年），别硬套“日历月”逻辑去理解
提取周几名称或数字？优先用 dt.day_name() 和 dt.dayofweek
dt.day_name() 返回字符串（如 "Monday"），语言受当前 locale 影响；dt.dayofweek 返回整数（周一=0，周日=6），稳定且适合后续计算。
- 需要排序或分组时，用
dayofweek更安全 —— 字符串排序是字母序，不是时间序 - 想输出中文星期？别改 locale，直接映射：
df['date'].dt.dayofweek.map({0:'周一', 1:'周二', ...}) -
dt.weekday_name已废弃，和dt.week一样，新版会报错
性能敏感场景下，避免链式调用 .dt 多次
每调一次 .dt 都会触发内部类型校验和视图构建。如果要同时取年、月、日、周，一次性调用 isocalendar() 或用 dt.to_period() 比反复点 .dt.year、.dt.month 快得多。
- 低效写法：
df['y'] = df['t'].dt.year; df['m'] = df['t'].dt.month - 高效写法：
df[['y','m','d']] = df['t'].dt.to_period('D').to_timestamp().to_frame().apply(lambda x: (x.dt.year, x.dt.month, x.dt.day))—— 不，太绕了；更实用的是：df['ymd'] = df['t'].dt.strftime('%Y-%m-%d')或直接用pd.DatetimeIndex(df['t'])缓存索引再取 - 真正大批量时，先转
DatetimeIndex：idx = pd.DatetimeIndex(df['t']); df['month'] = idx.month，比反复走.dt快 2–3 倍
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
