如果你运行的是最近的panda版本，那么你可以使用datetime访问器dt来访问datetime组件：

In [6]:

df['date'] = pd.to_datetime(df['date'])
df['year'], df['month'] = df['date'].dt.year, df['date'].dt.month
df
Out[6]:
        date  Count  year  month
0 2010-06-30    525  2010      6
1 2010-07-30    136  2010      7
2 2010-08-31    125  2010      8
3 2010-09-30     84  2010      9
4 2010-10-29   4469  2010     10

• • 编辑**

看起来您运行的是旧版本的panda，在这种情况下，可以执行以下操作：

In [18]:

df['date'] = pd.to_datetime(df['date'])
df['year'], df['month'] = df['date'].apply(lambda x: x.year), df['date'].apply(lambda x: x.month)
df
Out[18]:
        date  Count  year  month
0 2010-06-30    525  2010      6
1 2010-07-30    136  2010      7
2 2010-08-31    125  2010      8
3 2010-09-30     84  2010      9
4 2010-10-29   4469  2010     10

关于为什么它没有将其解析为read_csv中的日期时间，您需要传递列（[0]）的序号位置，因为当True尝试解析列[1,2,3]时，请参见docs

In [20]:

t="""date   Count
6/30/2010   525
7/30/2010   136
8/31/2010   125
9/30/2010   84
10/29/2010  4469"""
df = pd.read_csv(io.StringIO(t), sep='\s+', parse_dates=[0])
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 0 to 4
Data columns (total 2 columns):
date     5 non-null datetime64[ns]
Count    5 non-null int64
dtypes: datetime64[ns](1), int64(1)
memory usage: 120.0 bytes

因此，如果您将参数parse_dates=[0]传递给read_csv，则加载后不需要在"date"列上调用to_datetime。

这是可行的：

df['date'].dt.year

现在：

df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month

给出此 Dataframe ：

date  Count  year  month
0 2010-06-30    525  2010      6
1 2010-07-30    136  2010      7
2 2010-08-31    125  2010      8
3 2010-09-30     84  2010      9
4 2010-10-29   4469  2010     10

何时使用dt访问器

一个常见的混淆来源是何时使用**.year，何时使用.dt.year**。
前者是pd.DatetimeIndex对象的属性;后者用于pd.Series对象。考虑以下 Dataframe ：

df = pd.DataFrame({'Dates': pd.to_datetime(['2018-01-01', '2018-10-20', '2018-12-25'])},
                  index=pd.to_datetime(['2000-01-01', '2000-01-02', '2000-01-03']))

序列和索引的定义看起来很相似，但是pd.DataFrame构造函数将它们转换为不同的类型：

type(df.index)     # pandas.tseries.index.DatetimeIndex
type(df['Dates'])  # pandas.core.series.Series

DatetimeIndex对象具有直接year属性，而Series对象必须使用dt访问器。month也是如此：

df.index.month               # array([1, 1, 1])
df['Dates'].dt.month.values  # array([ 1, 10, 12], dtype=int64)

值得注意的一个细微但重要的区别是df.index.month给出了NumPy数组，而df['Dates'].dt.month给出了Pandas系列，在上面，我们使用pd.Series.values来提取NumPy数组表示。

可能已经来不及回答了，但是由于您已经在加载数据时解析了日期，因此您可以这样做来获得日期

df['date'] = pd.DatetimeIndex(df['date']).year

对我有效的是将Pandas升级到最新版本：
从命令行执行以下操作：

conda update pandas