AttributeError: solo se puede usar el descriptor de acceso .dt con valores de tipo datetimelike

Hola, estoy usando pandas para convertir una columna a mes. Cuando leo mis datos son objetos:

Date object dtype: object 

Así que primero los hago a la fecha y luego trato de hacerlos como meses:

 import pandas as pd file = '/pathtocsv.csv' df = pd.read_csv(file, sep = ',', encoding='utf-8-sig', usecols= ['Date', 'ids']) df['Date'] = pd.to_datetime(df['Date']) df['Month'] = df['Date'].dt.month 

También si eso ayuda:

 In [10]: df['Date'].dtype Out[10]: dtype('O') 

Entonces, el error que recibo es así:

 /Library/Frameworks/Python.framework/Versions/2.7/bin/User/lib/python2.7/site-packages/pandas/core/series.pyc in _make_dt_accessor(self) 2526 return maybe_to_datetimelike(self) 2527 except Exception: -> 2528 raise AttributeError("Can only use .dt accessor with datetimelike " 2529 "values") 2530 AttributeError: Can only use .dt accessor with datetimelike values 

EDITADO:

Las columnas de fecha son así:

 0 2014-01-01 1 2014-01-01 2 2014-01-01 3 2014-01-01 4 2014-01-03 5 2014-01-03 6 2014-01-03 7 2014-01-07 8 2014-01-08 9 2014-01-09 

¿Tienes alguna idea? ¡Muchas gracias!

Su problema aquí es que to_datetime falló silenciosamente, por lo que el dtype se mantuvo como str/object , si establece param errors='coerce' luego si la conversión falla para alguna cadena en particular, entonces esas filas se configuran en NaT .

 df['Date'] = pd.to_datetime(df['Date'], errors='coerce') 

Por lo tanto, debe averiguar qué es lo que está mal con esos valores de fila específicos.

Ver los documentos

su problema aquí es que el tipo de ‘Fecha’ se mantuvo como str / object, puede usar el parámetro ‘parse_dates’ al usar read_csv

 import pandas as pd file = '/pathtocsv.csv' df = pd.read_csv(file, sep = ',', parse_dates= [col],encoding='utf-8-sig', usecols= ['Date', 'ids'],) df['Month'] = df['Date'].dt.month 

introduzca la descripción de la imagen aquí

col es el índice de columnas de ‘Fecha’ que se analiza como una columna de fecha separada. (consulte https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html )