Python时间序列数据透视表：如何按特定月份汇总天气数据

没问题，我来一步步帮你实现这个需求～咱们分步骤来，确保每一步都清晰：

1. 先把时间列转成可处理的datetime格式 #

首先得让Pandas能识别你的时间数据，不管是已经有单独的日期列，还是分成年、月、日三列，都得转成datetime类型：

import pandas as pd

# 假设你的数据框是df，包含year、month、day三列
df['date'] = pd.to_datetime(df[['year', 'month', 'day']])

# 如果已经有现成的日期列（比如叫'date'），直接转换就行：
# df['date'] = pd.to_datetime(df['date'])

2. 筛选出8月到11月的数据 #

接下来咱们把每年8、9、10、11月的数据挑出来，用dt.month提取月份后筛选：

# 只保留月份在8-11之间的行
filtered_df = df[df['date'].dt.month.isin([8, 9, 10, 11])]

3. 用透视表做年度求和汇总 #

现在就可以用pivot_table按年份分组，对需要的天气指标（比如降水量、温度这些）求和了：

# 这里假设你要汇总的是precipitation（降水量）和temperature（温度）列，按需替换成你的列名
annual_summary = filtered_df.pivot_table(
    index='year',  # 按年份作为行索引
    values=['precipitation', 'temperature'],  # 要汇总的指标列
    aggfunc='sum'  # 汇总方式选求和
)

# 如果你的年份是从date列里提取的，也可以这么写：
# annual_summary = filtered_df.pivot_table(
#     index=filtered_df['date'].dt.year,
#     values=['precipitation', 'temperature'],
#     aggfunc='sum'
# )

4. 查看最终结果 #

运行完上面的代码，直接打印就能看到每年8-11月的各项指标求和结果啦：

print(annual_summary)

小补充 #

• 如果有多个需要汇总的列，直接在values里添加就行
• 要是想给汇总后的列名加个前缀（比如Sum_precipitation），可以用add_prefix：annual_summary = annual_summary.add_prefix('Sum_')

内容的提问来源于stack exchange，提问作者MAR