pandas对datetime字段按年份执行groupby操作不生效问题求解

问题原因 #

• 对groupby接口的作用认知有误：df.groupby('foundation')返回的是Pandas的GroupBy分组中间对象，仅存储了分组的映射规则，不会直接将原DataFrame的行按年份重排，也不会直接输出按分组整理好的结构化结果。你直接查看原始数据或者未做聚合的GroupBy对象，看到的还是原始行顺序，自然会觉得没有完成分组。
• 代码存在非核心的逻辑瑕疵：你给foundation字段的空值填充为0，后续转datetime格式时，0会被识别为Unix时间戳起点，对应年份为1970，若你对空值有其他处理预期会产生脏数据，但这不是分组不生效的核心原因。

解决方法 #

根据你的实际需求选择对应方案即可：

场景1：仅需要将行按年份顺序排列，同一年的数据放在一起展示 #

不需要调用groupby，直接对字段排序即可：

# ascending=True为升序，改为False可切换为降序
df_sorted = df.sort_values('foundation', ascending=True).reset_index(drop=True)
print(df_sorted)

场景2：需要按年份分组后做聚合统计（比如统计每年成立的公司数量、平均资产等） #

需要在groupby后拼接聚合方法，才能得到分组后的统计结果：

# 示例：统计每年的公司数量
year_company_count = df.groupby('foundation')['name'].count().reset_index(name='company_count')
print(year_company_count)

# 示例：按年统计多个数值指标的平均值
year_stat = df.groupby('foundation').agg(
    avg_employee=('employee', 'mean'),
    avg_asset=('assets', 'mean'),
    avg_profit=('profit', 'mean')
).reset_index()
print(year_stat)

# 如果需要查看每个分组对应的所有原始数据，可遍历GroupBy对象
group_obj = df.groupby('foundation')
for year, data_in_year in group_obj:
    print(f"年份{year}的公司数据：")
    print(data_in_year)
    print("-"*60)

注意：不要直接将原始DataFrame变量df覆盖赋值为GroupBy对象，建议拆分变量存储，避免影响后续其他数据处理操作。

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