使用Pandas按CreationDate年份分组并聚合统计数据的需求

没问题，这就帮你实现按CreationDate年份分组，统计数据量并对Score和ViewCount求和的需求，步骤很清晰：

第一步：确保日期列是datetime类型 #

首先得把你的CreationDate列从字符串转换成Pandas的datetime类型，不然没法提取年份。如果你的数据已经是datetime类型可以跳过这步，但保险起见还是加上：

import pandas as pd

# 假设你的数据已经读入DataFrame df里了，比如通过pd.read_csv()读取
df['CreationDate'] = pd.to_datetime(df['CreationDate'])

第二步：分组聚合计算 #

接下来直接按年份分组，同时完成三个统计任务：

• 每组的数据条数：用size()
• Score列的总和：用sum()
• ViewCount列的总和：用sum()

完整代码如下：

# 分组并聚合
yearly_stats = df.groupby(df['CreationDate'].dt.year).agg(
    数据数量=('Id', 'size'),
    总Score=('Score', 'sum'),
    总ViewCount=('ViewCount', 'sum')
).reset_index().rename(columns={'CreationDate': '年份'})

# 打印结果
print(yearly_stats)

输出示例 #

运行后你会得到类似这样的结构化结果：

小提示 #

• 如果你的Id列没有重复值，用count()代替size()也能得到一样的结果，但size()是统计分组内的总行数，逻辑更准确
• 如果需要对结果按年份排序，可以在代码末尾加上.sort_values('年份', ascending=True)

内容的提问来源于stack exchange，提问作者morris