如何对含DateTime列的DataFrame按月份分组，实现多列不同聚合？

步骤说明与代码示例 #

假设你的DataFrame名为df，可通过以下步骤实现需求：

1. 确认/转换日期格式（若Date列尚未转为datetime类型）：

import pandas as pd
df['Date'] = pd.to_datetime(df['Date'])

2. 按月份分组并执行聚合操作：
   利用dt.to_period('M')将日期转换为年月周期（格式如2019-05），再通过agg()方法分别指定不同列的聚合规则：

monthly_summary = df.groupby(df['Date'].dt.to_period('M')).agg(
    总游戏次数=('Games Played', 'sum'),
    平均评分=('Rating', 'mean')
).reset_index()

代码解释 #

• df['Date'].dt.to_period('M')：将Date列的日期转换为年月周期，确保分组严格按自然月划分，避免按天或其他时间单位分组的误差。
• agg()：通过关键字参数定义各列的聚合逻辑：
  • 总游戏次数=('Games Played', 'sum')：对"Games Played"列按月份求和，结果列命名为"总游戏次数"
  • 平均评分=('Rating', 'mean')：对"Rating"列按月份求算术平均，结果列命名为"平均评分"
• reset_index()：将分组后的年月周期从索引转为普通列，方便后续查看、筛选或导出数据。

示例输出 #

运行代码后，monthly_summary的结构大致如下：

内容的提问来源于stack exchange，提问作者imad97