如何从自定义月份开始按年度分组Pandas DataFrame？

问题说明 #

使用pd.Grouper按7D（7天）频率分组时，指定origin参数可以正常按自定义起始日期分组，但切换到12MS或1Y这类年度频率、并设置origin=1999-07-01时，分组逻辑失效。

核心原因 #

12MS/1Y属于年度周期频率，pandas对这类频率默认使用1月1日作为年度锚点，origin参数无法覆盖这种绑定到月份的周期起始规则，导致自定义起始日期不生效。

解决方案 #

直接使用指定起始月份的年度频率，不需要依赖origin参数，两种可行方式：

方法1：使用内置频率字符串AS-JUL

AS-JUL是pandas内置的频率标识，代表「年度起始于7月」，直接作为freq参数传入pd.Grouper即可。

方法2：使用pd.offsets.YearBegin指定起始月

通过pd.offsets.YearBegin(month=7)手动定义年度周期的起始月份为7月，灵活性更高。

修正后的测试代码 #

import pandas as pd
import numpy as np

# 生成测试数据：2000-01-01 到 2001-12-31的小时级时间序列
start, end = '2000-01-01 00:00:00', '2001-12-31 23:00:00'
rng = pd.date_range(start, end, freq='1H')
ts = pd.Series(np.ones(len(rng)), index=rng)

# 方法1：使用AS-JUL频率分组
grouper = pd.Grouper(freq="AS-JUL")
grouped = ts.groupby(grouper)
print("方法1分组结果：")
print(grouped.apply(len))

# 方法2：使用YearBegin偏移量分组
grouper = pd.Grouper(freq=pd.offsets.YearBegin(month=7))
grouped = ts.groupby(grouper)
print("\n方法2分组结果：")
print(grouped.apply(len))

结果说明 #

运行后会得到三个分组：

1. 1999-07-01 至 2000-06-30 的数据量
2. 2000-07-01 至 2001-06-30 的数据量
3. 2001-07-01 至 2001-12-31 的数据量

完全符合从7月1日开始的12自然月周期分组需求。

内容的提问来源于stack exchange，提问作者yvTly38Wtn