如何在Pandas中自定义月度周期起止日期并统计值出现次数？

现有场景 #

你已经有一个包含date和status字段的Pandas DataFrame，当前代码按自然月度（%Y-%m）统计每个周期内status为'yes'的次数。现在需要将统计周期改为每月10日至次月9日，可以通过以下两种方法实现：

方法一：日期偏移法（简单直观） #

通过给日期减去9天，让每月10日及之后的日期归到当前自然月标签，9日及之前的日期归到上月标签，以此匹配自定义周期：

import pandas as pd

# 保留你原有的DataFrame初始化代码
# df = pd.DataFrame(data=data)
# df.date = pd.to_datetime(df.date)

# 生成自定义周期标签
df['period'] = (df['date'] - pd.Timedelta(days=9)).dt.strftime('%Y-%m')

# 统计每个周期内status为'yes'的次数
total_yes_period = df[df['status'] == 'yes'].groupby('period').size().sort_index()

原理说明：

• 例如2022-02-09减去9天是2022-01-31，对应周期标签2022-01，代表该日期属于2022-01-10 ~ 2022-02-09这个周期
• 2022-02-10减去9天是2022-02-01，对应周期标签2022-02，代表该日期属于2022-02-10 ~ 2022-03-09这个周期

方法二：自定义频率分组（更规范） #

使用Pandas的pd.Grouper结合MonthBegin偏移量，直接定义每月10日为周期起始点：

import pandas as pd

# 保留你原有的DataFrame初始化代码

# 定义自定义月度频率：每月10日作为周期起始
custom_month = pd.offsets.MonthBegin(1, day=10)

# 将日期归到所属周期的起始日，再转为周期标签
df['period'] = df['date'].dt.floor(custom_month).dt.strftime('%Y-%m')

# 统计次数
total_yes_period = df[df['status'] == 'yes'].groupby('period').size().sort_index()

原理说明：

• dt.floor(custom_month)会把每个日期向下对齐到最近的周期起始日（每月10日）
• 例如2022-02-08对齐到2022-01-10，标签为2022-01；2022-02-10对齐到2022-02-10，标签为2022-02，完美匹配自定义周期范围

验证结果 #

两种方法得到的total_yes_period结果一致，会按自定义周期输出每个区间内'yes'的统计次数，且按周期顺序排序。

内容的提问来源于stack exchange，提问作者Cace