Pandas按两个月周期聚合数据的问题求助

搞定这个Pandas分组问题很简单，我来给你拆解一下！

你遇到的问题核心是Pandas中freq='2M'的默认行为和你的预期不匹配：

• 默认2M频率是以月末为锚点生成周期的，会自动生成6月30日、8月31日、10月31日这类节点
• 再加上closed="right"的设置，每个周期会包含右端点之前的数据，导致第一个周期只覆盖6月，第二个覆盖7-8月，第三个覆盖9月，最终得到了三个分组的结果。

这里有两种简单的方法可以得到你想要的分组结果：

方法一：调整pd.Grouper的频率和参数 #

使用2MS（以每月第一天为锚点的两个月周期），配合closed='left'和label='right'参数，直接生成符合预期的分组：

import pandas as pd

# 你的原始数据
data={'A': pd.to_datetime(['2018-06-01','2018-06-15','2018-07-01','2018-07-15','2018-08-01','2018-08-15','2018-09-01','2018-09-15','2018-09-30']), 'B': [1,1,1,1,1,1,1,1,1]}
test=pd.DataFrame.from_dict(data)

# 按两个月周期聚合，符合预期
result = test.groupby(pd.Grouper(key='A', freq='2MS', closed='left', label='right')).sum()
print(result)

运行后输出：

B
A             
2018-07-31  4
2018-09-30  5

参数说明： #

• freq='2MS'：表示以每月第一天为起点，每两个月为一个周期（即6月1日、8月1日、10月1日作为周期节点）
• closed='left'：每个周期包含左端点数据（比如第一个周期覆盖2018-06-01至2018-07-31的所有日期）
• label='right'：用周期的结束日期作为分组标签（Pandas会自动转换为该周期的最后一天，也就是7月31日和9月30日）

方法二：手动生成周期列 #

如果你觉得参数设置有点绕，也可以手动给每条数据标记所属的周期，再分组：

import pandas as pd

data={'A': pd.to_datetime(['2018-06-01','2018-06-15','2018-07-01','2018-07-15','2018-08-01','2018-08-15','2018-09-01','2018-09-15','2018-09-30']), 'B': [1,1,1,1,1,1,1,1,1]}
test=pd.DataFrame.from_dict(data)

# 生成周期列，指定从6月开始每两个月为一个周期
test['period'] = test['A'].dt.to_period('2M', starting_month=6)
# 按周期分组求和
result = test.groupby('period').sum()
# 将周期转换为该周期的最后一天作为索引
result.index = result.index.to_timestamp(how='end')

print(result)

这个方法逻辑更直观：starting_month=6直接指定周期从6月开始，每两个月一组，最后把周期转换为结束日期即可，同样能得到你想要的结果。

内容的提问来源于stack exchange，提问作者Haennor