使用Pandas统计月度时间范围内各邮政编码出现次数的问题

步骤说明 #

要统计指定月度内每个邮政编码的出现次数，需完成数据清洗、时间筛选和频次统计三个核心步骤，具体实现如下：

完整代码 #

import pandas as pd

# 1. 将Timestamp列转换为datetime类型，无法转换的内容设为缺失值
df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce')

# 2. 移除时间无效或邮政编码为空的行
clean_df = df.dropna(subset=['Timestamp', 'zip'])

# 3. 筛选目标月度数据（示例为2023年7月，可自行调整年份和月份）
monthly_data = clean_df[(clean_df['Timestamp'].dt.year == 2023) & 
                        (clean_df['Timestamp'].dt.month == 7)]

# 4. 统计每个邮政编码的出现次数
zip_counts = monthly_data['zip'].value_counts()

# 5. 按期望格式输出结果
for zip_code, count in zip_counts.items():
    print(f"{zip_code} {count}")

代码解释 #

• 时间格式转换：pd.to_datetime将Timestamp列转为可操作的日期类型，errors='coerce'会把非时间格式的内容（如样本第一行的表头文本）转为NaT（缺失时间值）。
• 无效数据清洗：dropna移除时间无效或邮政编码为空的行，避免干扰统计结果。
• 月度数据筛选：通过dt.year和dt.month精准定位目标月份的数据。
• 频次统计：value_counts()直接返回每个邮政编码的出现次数，默认按频次从高到低排序。
• 格式输出：遍历统计结果，按邮政编码 次数的格式逐行打印。

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