您不能：按定义
Dataframe列是
Series。也就是说，如果使
dtype（所有元素的类型）类似日期时间，则可以通过访问
.dt器（docs）访问所需的数量：
>>> df["TimeReviewed"] = pd.to_datetime(df["TimeReviewed"])>>> df["TimeReviewed"]205 76032930 2015-01-24 00:05:27.513000232 76032930 2015-01-24 00:06:46.703000233 76032930 2015-01-24 00:06:56.707000413 76032930 2015-01-24 00:14:24.957000565 76032930 2015-01-24 00:23:07.220000Name: TimeReviewed, dtype: datetime64[ns]>>> df["TimeReviewed"].dt<pandas.tseries.common.DatetimeProperties object at 0xb10da60c>>>> df["TimeReviewed"].dt.year205 76032930 2015232 76032930 2015233 76032930 2015413 76032930 2015565 76032930 2015dtype: int64>>> df["TimeReviewed"].dt.month205 76032930 1232 76032930 1233 76032930 1413 76032930 1565 76032930 1dtype: int64>>> df["TimeReviewed"].dt.minute205 76032930 5232 76032930 6233 76032930 6413 76032930 14565 76032930 23dtype: int64
如果您仍然使用的旧版本
pandas，则始终可以手动访问各种元素（同样，将其转换为datetime-dtyped系列后）。它会变慢，但有时这不是问题：
>>> df["TimeReviewed"].apply(lambda x: x.year)205 76032930 2015232 76032930 2015233 76032930 2015413 76032930 2015565 76032930 2015Name: TimeReviewed, dtype: int64
