Python日期列表按月分组可视化：是否需转DataFrame？求实现指引

是否需要转换为DataFrame？ #

不是必须，但借助pandas的DataFrame能大幅简化统计逻辑，且和绘图工具（如matplotlib）的兼容性更好，是更高效的选择。

方法一：不使用DataFrame（纯标准库+matplotlib） #

用字典手动统计每月数据量，再绘图：

from datetime import datetime
import matplotlib.pyplot as plt

# 原始日期列表
my_original_list = ['December 1, 2003', 'February 22, 2004', 'February 29, 2004', 'March 8, 2004', 'December 25, 2003']

# 批量转换为datetime.date对象
new_list = [datetime.strptime(date_str, '%B %d, %Y').date() for date_str in my_original_list]

# 按月统计：用"年-月"作为唯一标识
month_counts = {}
for date in new_list:
    month_key = f"{date.year}-{date.month:02d}"  # 统一格式为YYYY-MM
    month_counts[month_key] = month_counts.get(month_key, 0) + 1

# 排序并准备绘图数据
sorted_months = sorted(month_counts.keys())
counts = [month_counts[month] for month in sorted_months]

# 绘制柱状图
plt.bar(sorted_months, counts)
plt.xlabel('月份')
plt.ylabel('日期数量')
plt.title('每月日期数量统计')
plt.xticks(rotation=45)  # 旋转标签避免重叠
plt.tight_layout()
plt.show()

方法二：使用DataFrame（推荐） #

利用pandas的分组功能快速统计，代码更简洁：

from datetime import datetime
import pandas as pd
import matplotlib.pyplot as plt

# 原始日期列表
my_original_list = ['December 1, 2003', 'February 22, 2004', 'February 29, 2004', 'March 8, 2004', 'December 25, 2003']

# 转换为DataFrame
new_list = [datetime.strptime(date_str, '%B %d, %Y').date() for date_str in my_original_list]
df = pd.DataFrame({'date': new_list})

# 提取年-月并分组统计
df['year_month'] = df['date'].dt.strftime('%Y-%m')
month_stats = df.groupby('year_month').size().reset_index(name='count')

# 直接绘图
month_stats.plot(kind='bar', x='year_month', y='count', legend=False)
plt.xlabel('月份')
plt.ylabel('日期数量')
plt.title('每月日期数量统计')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

补充说明 #

• 如果不需要区分年份，可将分组键改为月份名称（date.strftime('%B')）或月份数字（date.month）；
• 处理大量数据时，DataFrame方法的统计效率远高于手动遍历字典。

内容的提问来源于stack exchange，提问作者Raven_28