如何按6个月间隔而非年度创建Pandas数据透视表？

针对你的需求，以下两种常用方法可以实现按6个月（半年）结合年度的自定义时间分组：

方法1：使用pd.Grouper指定时间频率 #

直接在透视表的index参数中使用pd.Grouper，指定freq='6M'（半年频率），会自动按年度+半年区间完成分组，同时保留时间维度的原生信息。

修改后的代码示例：

# 确保df的索引为datetime类型（你的代码已满足该条件）
pivot_df = pd.pivot_table(
    df,
    values='Vessel',  # 注意：需与你的DataFrame实际列名匹配，原示例列名为Column1/2/3
    index=pd.Grouper(freq='6M'),  # 按6个月间隔分组
    columns='Col1',  # 同样需匹配实际列名
    aggfunc=pd.Series.nunique
)

如果需要更直观的分组标签（如2023H1、2023H2），可分组后手动格式化索引：

pivot_df = pd.pivot_table(
    df,
    values='Vessel',
    index=pd.Grouper(freq='6M'),
    columns='Col1',
    aggfunc=pd.Series.nunique
)
# 将索引转换为"年份+H1/H2"格式
pivot_df.index = pivot_df.index.to_series().apply(lambda x: f"{x.year}H{'1' if x.month <=6 else '2'}")

方法2：使用dt.to_period('6M')生成分组标签 #

先从日期索引生成半年周期的标签列，再以此作为分组依据：

# 方式1：生成原生半年周期标签（如2023-01）
df['half_year'] = df.index.to_period('6M')

# 方式2：自定义"年份+H1/H2"格式标签
df['half_year'] = df.index.year.astype(str) + 'H' + ((df.index.month -1)//6 +1).astype(str)

# 基于新列创建透视表
pivot_df = pd.pivot_table(
    df,
    values='Vessel',
    index='half_year',
    columns='Col1',
    aggfunc=pd.Series.nunique
)

注意事项 #

• 需确保DataFrame中存在Vessel和Col1列，若与原示例列名不符，请替换为实际列名
• 若需要自定义半年周期的起始月份（比如从2月开始计算），可在pd.Grouper中添加origin参数，例：pd.Grouper(freq='6M', origin='2023-02-01')

内容的提问来源于stack exchange，提问作者Canuk688