在Pandas中如何将datetime类型数据转换为mm/yyyy年月格式

方法1：直接转换为mm/yyyy格式字符串 #

使用datetime列的dt.strftime方法即可直接生成你需要的格式：

df['month_year'] = df['Date/Time Opened'].dt.strftime('%m/%Y')

参数说明：

• %m 代表两位数字表示的月份（如9月会显示为09）
• %Y 代表四位数字表示的年份（如2014年显示为2014）

转换后你可以直接用新列month_year分组统计频次：

# 统计每个月的记录数
freq = df.groupby('month_year')['month_year'].count()

注意：该方法生成的是字符串类型，直接排序会出现顺序错乱问题（比如12/2014会排在01/2015之后），如果需要保持时间顺序推荐用第二种方法。

方法2：使用时期对象（推荐用于统计、绘图场景） #

你可以先将日期转换为月度时期对象，完成统计后再格式化输出为mm/yyyy，既能保证时间顺序正确，统计效率也更高：

# 按年月分组统计计数
monthly_count = df.groupby(df['Date/Time Opened'].dt.to_period('M')).size()
# 将索引转换为mm/yyyy格式用于绘图展示
monthly_count.index = monthly_count.index.strftime('%m/%Y')

统计完成后直接调用绘图方法即可生成统计图表：

# 绘制月度频次柱状图
monthly_count.plot(kind='bar', xlabel='月份', ylabel='记录数')

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