如何从数据集中提取特定月份中、印新增病例至新DataFrame？

假设你用pandas库处理数据，以下是具体实现步骤：

1. 预处理日期列 #

先确保数据集的日期列是datetime类型，若不是则先转换：

import pandas as pd

# 读取你的数据集（替换为实际路径）
df = pd.read_csv("your_dataset.csv")
# 转换日期列（假设日期列名为'date'，格式根据数据实际调整，比如'%Y-%m-%d'）
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

2. 定义筛选条件 #

指定目标国家和需要提取的月份：

target_countries = ['中国', '印度']
target_months = [
    (2020, 3), (2020, 9),
    (2021, 3), (2021, 9),
    (2022, 3), (2022, 9)
]

3. 筛选并聚合数据 #

筛选符合条件的行，再按国家、年份、月份分组求和：

# 筛选目标国家
filtered_data = df[df['country'].isin(target_countries)]
# 筛选目标月份
filtered_data = filtered_data[filtered_data['date'].apply(lambda x: (x.year, x.month) in target_months)]
# 聚合新增病例总数（假设新增病例列名为'new_cases'）
result_df = filtered_data.groupby(['country', filtered_data['date'].dt.year, filtered_data['date'].dt.month])['new_cases'].sum().reset_index()
# 修改列名更直观
result_df.columns = ['国家', '年份', '月份', '新增病例总数']

4. 查看结果 #

result_df就是你需要的新DataFrame，直接打印查看：

print(result_df)

常见问题排查 #

• 你提到的data.Frame报错是拼写错误，pandas中创建DataFrame的正确写法是pd.DataFrame()
• 若日期转换失败，检查数据的日期格式是否与format参数匹配（比如部分数据格式是MM/DD/YYYY，需改为'%m/%d/%Y'）
• 若列名不匹配，将代码中的country、date、new_cases替换为你数据集中的实际列名

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