如何将DATE列转为datetime类型后按月分组统计事故数据？

1. 转换'DATE'列为datetime类型 #

使用pandas的to_datetime方法匹配你现有的MM/DD/YYYY日期格式完成转换，指定格式参数可提升转换效率、避免自动识别出错：

import pandas as pd
df['DATE'] = pd.to_datetime(df['DATE'], format='%m/%d/%Y')

如果存在格式异常的日期值，可添加errors='coerce'参数将异常值转为空值（NaT）避免转换中断：

df['DATE'] = pd.to_datetime(df['DATE'], format='%m/%d/%Y', errors='coerce')

2. 将'DATE'列设置为数据集索引 #

调用set_index方法完成索引设置：

df = df.set_index('DATE')

3. 按月分组处理数据 #

使用pd.Grouper指定频率为月（freq='M'）实现按自然月分组，可直接对接后续聚合逻辑：

# 生成按月分组对象
monthly_groups = df.groupby(pd.Grouper(freq='M'))

# 示例：统计每个月的事故总数量
monthly_accident_cnt = monthly_groups.size()

# 示例：统计每个月的伤亡人数总和（假设存在'INJURIES'列存储伤亡数）
monthly_injuries_sum = monthly_groups['INJURIES'].sum()

内容的提问来源于stack exchange，提问作者amyungju