Pandas中无需新增列，对日期列应用函数分组的简洁方法？

当然支持，不用新增列也能直接按年月分组统计，给你两种简洁的实现方式：

方法1：直接对datetime.date对象提取年月分组 #

既然你的Date列是datetime.date类型，可以直接在groupby()里用lambda函数提取年和月组成元组作为分组键，再用size()统计数量：

# 按(年,月)元组分组，统计条目数
counts = df.groupby(df['Date'].apply(lambda x: (x.year, x.month))).size()

如果想让分组索引更直观，也可以把年月拼成固定格式的字符串：

counts = df.groupby(df['Date'].apply(lambda x: f"{x.year}-{x.month:02d}")).size()

方法2：转成pandas datetime类型后用dt属性分组 #

pandas的datetime类型自带便捷的dt属性，能快速提取时间周期。你可以在groupby()里直接转换类型并按月份周期分组：

import pandas as pd

# 转成datetime后按年月周期分组，统计条目数
counts = df.groupby(pd.to_datetime(df['Date']).dt.to_period('M')).size()

这种方式的分组索引是Period类型（比如2023-10），可读性更强，后续做时间相关的筛选或排序也更方便。

以上两种方法都不会修改原DataFrame，完全符合你要的「无多余列」需求，和SQL里的GROUP BY逻辑一致。

内容的提问来源于stack exchange，提问作者Reuben Stern