如何将Pandas DataFrame按当月天数进行除法运算？

原DataFrame示例 #

var1    var2
Time        
2000-01-31  100     200
2000-02-28  340     210
2000-03-31  590     220
...
2001-10-31  1290    101
2001-11-30  1188    100
2001-12-31  1000    100

需求说明 #

需要创建新DataFrame，将原数据中每一行的值除以对应月份的天数：

• 2000-01-31对应数据除以31
• 2000-02-28对应数据除以28
• 2001-11-30对应数据除以30
• 以此类推

目标DataFrame示例 #

var1_new   var2_new
Time        
2000-01-31  3.22     6.45
2000-02-28  12.14    7.5
2000-03-31  19.03    7.09
...     
2001-10-31  41.61    3.26
2001-11-30  39.6     3.33
2001-12-31  32.26    3.23

用户代码及问题 #

用户尝试的代码执行后结果全为NaN，代码如下：

df.index = pd.to_timedelta(df["Time"], unit='s')
df.index += datetime.strptime(initial_datetime, "%Y-%m-%d")

df_D=df.resample("D").sum()
df_M=df_D.resample("M").sum()

df_M["Months"] = df_M.index 

df2["DiM"] = pd.DataFrame(pd.to_datetime(df_M["Months"]).dt.daysinmonth)
df_M = df_M.drop(['Months'],axis=1)

df_New = df_M / df2["DiM"]

问题分析 #

1. 索引处理错误：原DataFrame的Time已经是索引，代码中却尝试访问df["Time"]（列），会触发KeyError；用timedelta转换索引属于多余操作，反而打乱了原有的日期索引逻辑。
2. 不必要的重采样：原数据已经是月度末的汇总值，不需要先按天再按月重采样求和，这一步会篡改原始数据。
3. df2未初始化+索引不匹配：代码直接给df2["DiM"]赋值，但df2并未提前创建；即使创建，df_M和df2["DiM"]的索引大概率不匹配，导致除法运算后全为NaN。

正确解法 #

直接基于原DataFrame处理，步骤简洁高效：

# 先确保索引是datetime类型（如果原始索引是字符串格式的话）
df.index = pd.to_datetime(df.index)

# 提取每个日期对应的当月天数
days_in_month = df.index.daysinmonth

# 计算新数据并重命名列
df_new = df.div(days_in_month, axis=0).rename(columns={'var1': 'var1_new', 'var2': 'var2_new'})

# 可选：保留两位小数，和示例格式对齐
df_new = df_new.round(2)

执行后即可得到目标格式的DataFrame，不会出现NaN问题。

内容的提问来源于stack exchange，提问作者Yogi