如何对DataFrame中的日度数据按年月分组求和或计算均值？

下面两种方法都可以快速实现需求：

• 前置操作：先确保date列为datetime格式，若该列已经是datetime类型可以跳过本步骤
  代码：

  import pandas as pd
  df['date'] = pd.to_datetime(df['date'])
  

方法1：分组聚合（逻辑最直观） #

直接按年、月维度分组后对降水量求和，一行代码就能出结果：

result = df.groupby(
    [df['date'].dt.year.rename('year'), 
     df['date'].dt.month.rename('month')]
)['precip'].sum().reset_index(name='sum_precip')

方法2：时间重采样（适合时间序列类处理场景） #

先将日期设为索引，用重采样函数按月维度求和，再拆分出年、月字段即可：

# 按月重采样求和
monthly_sum = df.set_index('date').resample('M')['precip'].sum().reset_index()
# 拆分年月字段并重命名
monthly_sum['year'] = monthly_sum['date'].dt.year
monthly_sum['month'] = monthly_sum['date'].dt.month
result = monthly_sum[['year', 'month', 'precip']].rename(columns={'precip': 'sum_precip'})

两种方法输出的结果完全匹配你要求的结构，直接使用即可。

内容的提问来源于stack exchange，提问作者user17357507