如何使用Pandas查询最近6个月的position数据

你的需求无需用groupby即可实现，单纯过滤的话直接走时间布尔索引更高效，你提到的df["date"].dt.month用法存在跨年匹配缺陷，不推荐直接用来做时间筛选。完整实现步骤如下：

• 第一步：将date列转换为datetime格式，确保支持时间运算
  代码：df['date'] = pd.to_datetime(df['date'])
• 第二步：计算6个月前的时间阈值
  以数据集内最新日期为基准的代码：six_months_cutoff = df['date'].max() - pd.DateOffset(months=6)
  以当前系统时间为基准的代码：six_months_cutoff = pd.Timestamp.now() - pd.DateOffset(months=6)
• 第三步：过滤时间范围提取position列
  代码：recent_6m_position = df.loc[df['date'] >= six_months_cutoff, 'position']

如果你后续需要按月份对position做分组统计（比如每月职位数量、去重数等），才需要用到groupby，示例代码如下：

# 先过滤时间范围，再生成月份列做分组
df_recent = df[df['date'] >= six_months_cutoff].copy()
df_recent['year_month'] = df_recent['date'].dt.to_period('M')
# 按月份统计职位数，可替换为你需要的聚合逻辑
monthly_position_stats = df_recent.groupby('year_month')['position'].count()

注意事项 #

• 直接用df['date'].dt.month筛选会导致跨年数据匹配错误，比如2024年1月往前推6个月包含2023年8-12月，这些月份的数值都大于1，直接按dt.month <= 当前月筛选会漏掉全部跨年数据。

内容的提问来源于stack exchange，提问作者Rag