如何使用Python Pandas按年月对日期数据进行分组？

步骤说明 #

1. 导入Pandas并构建数据结构
   先把你的日期数据放进DataFrame，这是Pandas处理数据的基础结构。

2. 将字符串日期转换为datetime类型
   原始日期是日/月/年格式，必须先转成Pandas能识别的datetime类型，才能进行日期相关操作。

3. 提取年月并格式化输出
   利用datetime列的dt访问器，提取年月并格式化为月份缩写-年份的样式，最后去重得到唯一的年月值。

完整代码示例 #

import pandas as pd

# 原始日期数据
date_list = ['01/02/2022', '01/02/2022', '02/02/2022', '01/03/2022']
df = pd.DataFrame({'date': date_list})

# 转换为datetime类型（指定dayfirst=True适配日/月/年格式）
df['date'] = pd.to_datetime(df['date'], dayfirst=True)

# 提取年月并格式化为目标样式，获取唯一值
unique_month_year = df['date'].dt.strftime('%b-%Y').unique()

# 输出结果
for item in unique_month_year:
    print(item)

输出结果 #

Feb-2022
Mar-2022

扩展：分组统计每月数据量 #

如果需要统计每个年月对应的日期数量，可以用groupby：

# 按年月分组并统计数量
monthly_count = df.groupby(df['date'].dt.to_period('M')).size()
# 将索引格式化为目标样式
monthly_count.index = monthly_count.index.strftime('%b-%Y')

# 打印分组后的年月和数量
print(monthly_count)

输出：

Feb-2022    3
Mar-2022    1
dtype: int64

内容的提问来源于stack exchange，提问作者Ant