基于特定年龄段计算Pandas DataFrame及调整Create Time列格式

一、调整Created Time列的显示格式 #

先确保该列是datetime类型，再按需转换格式：

1. 转换为datetime类型 #

import pandas as pd

# 假设你的DataFrame名为df
df['Created Time'] = pd.to_datetime(df['Created Time'])

2. 自定义格式输出 #

根据需求用dt.strftime()转换，示例如下：

# 转为"YYYY-MM-DD"纯日期格式
df['Created Time'] = df['Created Time'].dt.strftime('%Y-%m-%d')

# 转为带中文的完整时间格式："YYYY年MM月DD日 HH时MM分SS秒"
df['Created Time'] = df['Created Time'].dt.strftime('%Y年%m月%d日 %H时%M分%S秒')

可修改格式参数适配需求，常用参数：%Y（4位年）、%m（2位月）、%d（2位日）、%H（24小时制）、%M（分钟）、%S（秒）。

二、基于特定年龄段的计算 #

当前DataFrame无年龄字段，需先补充年龄数据再分组计算：

1. 计算年龄（假设存在Birth_Date出生日期列） #

# 转换出生日期为datetime类型
df['Birth_Date'] = pd.to_datetime(df['Birth_Date'])

# 按年份差计算年龄（忽略月份细节）
df['Age'] = pd.Timestamp.now().year - df['Birth_Date'].dt.year

2. 定义年龄段分组 #

# 自定义区间与标签
age_bins = [0, 18, 25, 35, 50, 100]
age_labels = ['<18', '18-25', '26-35', '36-50', '>50']

# 添加年龄段列
df['Age_Group'] = pd.cut(df['Age'], bins=age_bins, labels=age_labels, right=False)

3. 按年龄段统计计算 #

# 统计各年龄段人数
age_count = df.groupby('Age_Group')['S_No'].count()
print(age_count)

# 统计各年龄段的平均G_Id（G_Id需为数值型）
age_avg_gid = df.groupby('Age_Group')['G_Id'].mean()
print(age_avg_gid)

若已有年龄字段，可跳过步骤1直接分组计算。

内容的提问来源于stack exchange，提问作者balaji