如何从单个CSV创建各月独立DataFrame并重置索引为1起始

首先得确保你的DataFrame里的日期列是datetime类型——这是按月份分组的前提，如果还没转，先做这一步：

import pandas as pd

# 读入CSV数据
df = pd.read_csv('你的数据文件.csv')
# 把日期列转成datetime格式（假设列名叫'date'，根据你的实际情况修改）
df['date'] = pd.to_datetime(df['date'])

接下来就可以按年份+月份分组拆分了，这样能区分开不同年份的同一个月（比如2021年1月和2022年1月）。拆分的时候直接给每个子DataFrame重置索引，让它从1开始：

# 用字典存每个月的DataFrame，键是"年份-月份"，方便后续调用
monthly_dfs = {}
for (year, month), group in df.groupby([df['date'].dt.year, df['date'].dt.month]):
    # 先删掉原索引，生成从0开始的新索引，再加1变成从1起始
    grouped_df = group.reset_index(drop=True)
    grouped_df.index += 1
    # 给这个月的DataFrame起个标识名，比如"2021-1"
    monthly_dfs[f"{year}-{month}"] = grouped_df

嫌循环麻烦？用字典推导式一行搞定：

monthly_dfs = {
    f"{y}-{m}": g.reset_index(drop=True).set_index(pd.RangeIndex(start=1, stop=len(g)+1))
    for (y, m), g in df.groupby([df['date'].dt.year, df['date'].dt.month])
}

验证方法 #

比如想查看2021年2月的数据，直接调用：

print(monthly_dfs['2021-2'].head())

你会看到索引从1开始，完全符合绘图的需求。

补充：为什么你之前的方法没效果？ #

用iloc截取只是把原DataFrame的某几行切出来，原索引会被保留。而reset_index(drop=True)会彻底移除原索引，生成全新的连续索引，之后我们把索引+1，或者用pd.RangeIndex直接创建从1开始的索引，就能解决问题。

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