如何在Python Dataframe中按年月重组日期索引的数据

需求说明 #

你有一个以FECHA为日期索引的DataFrame，需将数据重组为：

• 行：西班牙语月份名称（Enero至Diciembre）
• 列：日期的日（1-31）
• 单元格：对应月份同一天的聚合值（示例为均值）

实现步骤与代码 #

假设你的DataFrame名为df，按以下步骤处理：

1. 确保索引为datetime类型
   如果索引还不是日期格式，先转换：

import pandas as pd

df.index = pd.to_datetime(df.index)

2. 提取月份（西语）和日字段
   从日期索引中拆分出月份名称和日：

# 生成西语月份列，Linux/macOS一般默认支持es_ES locale，Windows可改用手动映射
df['MES'] = df.index.month_name(locale='es_ES')
df['DIA'] = df.index.day

3. 透视表重组数据
   使用pivot_table按月份和日聚合，这里以SUMA列的均值为例，可替换为sum等其他聚合函数：

# 生成透视表，索引为月份，列为日，值为SUMA的均值
resultado = df.pivot_table(
    index='MES',
    columns='DIA',
    values='SUMA',
    aggfunc='mean'
)

4. 调整月份顺序
   默认透视表会按字母排序月份，需手动指定西语月份的自然顺序：

orden_meses = [
    'Enero', 'Febrero', 'Marzo', 'Abril', 'Mayo', 'Junio',
    'Julio', 'Agosto', 'Septiembre', 'Octubre', 'Noviembre', 'Diciembre'
]
resultado = resultado.reindex(orden_meses)

5. 格式化小数显示
   将结果的小数分隔符改为逗号，匹配示例格式：

# 保留6位小数，替换小数点为逗号，空值显示为空字符串
resultado = resultado.applymap(lambda x: f"{x:.6f}".replace('.', ',') if pd.notna(x) else '')

6. 查看最终结果

print(resultado)

补充说明 #

• 若需处理其他列（如H04_PEDRO_MARIN），只需修改pivot_table中的values参数为对应列名
• Windows系统若无法识别es_ES locale，可手动映射月份：

  mes_map = {
      1: 'Enero', 2: 'Febrero', 3: 'Marzo', 4: 'Abril', 5: 'Mayo', 6: 'Junio',
      7: 'Julio', 8: 'Agosto', 9: 'Septiembre', 10: 'Octubre', 11: 'Noviembre', 12: 'Diciembre'
  }
  df['MES'] = df.index.month.map(mes_map)
  

内容的提问来源于stack exchange，提问作者Guille GL