Pandas如何实现跨年度按月重采样汇总多年时间序列数据

resample('M')的聚合粒度是「年-月」，会将不同年份的同月份判定为独立分组，因此N年的数据会返回N*12行结果，无法实现跨年度按1-12自然月汇总的需求。

单序列场景（对应最小可复现示例） #

直接提取时间索引的月份属性作为分组键，聚合后仅返回12行结果，对应1-12月的跨年度汇总值：

import pandas as pd

# 测试数据
index = pd.date_range('1/1/2000', periods=730, freq='D')
series = pd.Series(range(730), index=index)

# 跨年度按自然月求和
monthly_total = series.groupby(series.index.month).sum()

• 分组键series.index.month会返回每条数据对应的月份数字（1为1月，12为12月），自动忽略年份差异
• 如果需要输出月份名称而非数字，可将分组键替换为series.index.strftime('%B')（输出全称如January）或series.index.strftime('%b')（输出缩写如Jan）

带门店维度的DataFrame场景 #

按「门店+自然月」双维度分组即可，无需先做重采样：

# 每个门店返回12行跨年度月度销售额汇总
df = df.groupby(
    [
        'store',
        df.index.month.rename('month')
    ]
)['sales'].sum().reset_index()

补充：如果后续需要按「年-月」粒度做单月统计（即原来resample实现的效果），可以直接用df.groupby([df.index.year, df.index.month])实现，灵活度更高。

内容的提问来源于stack exchange，提问作者heresthebuzz