如何用Pandas匹配月份与年份提取Excel列值并计算月度均值

问题背景 #

给定如下股票交易数据：

需求为：

• 计算Open、High、Low、Close/Price列的月度平均值
• 同时按Month和Year组合提取对应数据

已尝试单独按Month或Year分组，但不知道如何结合两个条件筛选：

df = pd.read_excel('DatosUnited.xlsx')
month = df.groupby('Month')
year = df.groupby('Year')
june2019 = month.get_group("6")
year2019 = year.get_group('2019')

解决方案 #

1. 同时按Month和Year筛选数据 #

有两种高效实现方式：

方法一：布尔索引直接筛选

直接通过条件组合过滤数据，注意匹配数据类型（如Month是整数类型则用6而非字符串"6"）：

df = pd.read_excel('DatosUnited.xlsx')
# 筛选2019年6月的所有数据
june_2019 = df[(df['Month'] == 6) & (df['Year'] == 2019)]

方法二：多字段分组后提取

先按Year和Month组合分组，再通过元组定位目标组：

df = pd.read_excel('DatosUnited.xlsx')
# 按年份+月份组合分组
year_month_group = df.groupby(['Year', 'Month'])
# 提取2019年6月的数据
june_2019 = year_month_group.get_group((2019, 6))

2. 计算月度平均值 #

基于多字段分组，对指定列计算均值：

df = pd.read_excel('DatosUnited.xlsx')
# 按年月分组，计算指定列的平均值
monthly_avg = df.groupby(['Year', 'Month'])[['Open', 'High', 'Low', 'Close/Price']].mean()
# 打印结果
print(monthly_avg)

运行后输出结果示例：

Open       High        Low  Close/Price
Year Month                                          
2019 6     86.220  86.950000  85.482000     86.184000
     7     89.395  90.437500  88.482500     89.645000

内容的提问来源于stack exchange，提问作者Adrián Desentis Flores