如何在Pandas中按相似日期（忽略年份）分组？

这个需求用 pandas 的 groupby 就能轻松实现，核心思路就是从 datetime 列里提取月-日的组合作为分组依据，这样每年的同一天就会自动归为一组。下面是具体的实现步骤：

步骤1：确保日期列是 datetime 类型 #

首先得确认你的日期列已经被正确解析成 pandas 的 datetime 类型，如果还没转换，先跑这一步：

import pandas as pd

# 替换成你实际的日期列名
df['date_column'] = pd.to_datetime(df['date_column'])

步骤2：生成月-日分组键 #

从日期列中提取月份和日期的字符串组合（比如 '01-01'），用这个作为分组的标识：

# 创建月-日格式的分组键
df['month_day'] = df['date_column'].dt.strftime('%m-%d')

步骤3：执行分组操作 #

用 groupby 按刚生成的 month_day 列分组，这样就得到了每年相同日期的分组集合：

# 按月-日分组，得到分组对象
grouped_data = df.groupby('month_day')

步骤4：使用分组结果 #

你可以根据需求灵活使用这些分组：

• 获取某一天的分组数据（比如查看所有年份的1月1日数据）：

  jan_first_group = grouped_data.get_group('01-01')
  print(jan_first_group)
  

• 遍历所有分组并处理数据（比如计算每组的关联数据均值）：

  for month_day, group in grouped_data:
      print(f"=== 日期 {month_day} 的数据统计 ===")
      print(group['关联数据列名'].mean())  # 替换成你实际的关联数据列名
  

注意：处理闰年的2月29日 #

你的数据范围包含2008、2012这两个闰年，这些年份会有2月29日的数据。如果严格需要365组，你可以把2月29日的数据合并到2月28日（或者其他你指定的日期）：

# 将闰年的2月29日映射为2月28日，保证分组总数为365
df['month_day'] = df['month_day'].replace('02-29', '02-28')
# 重新执行分组
grouped_data = df.groupby('month_day')

这样处理后，就刚好得到365组对应每年相同日期的数据了。

内容的提问来源于stack exchange，提问作者akash