时间序列分析：如何将DataFrame数据按月分组实现分月查看分析

前置准备 #

首先确保DataFrame中的日期列已转换为datetime类型：

import pandas as pd
# 转换Date列为datetime格式
df['Date'] = pd.to_datetime(df['Date'])

常用实现方案 #

方案1：按月份生成分组对象（适合批量处理所有月份数据） #

• 仅按月份分组（不同年份的同月份数据会合并到同一组）：

# 生成按月份分组的对象
month_groups = df.groupby(df['Date'].dt.month)
# 提取1月份的所有数据生成单独DataFrame
jan_df = month_groups.get_group(1)

• 按年月分组（不同年份的同月份分为不同组，更常用）：

# 生成按年月分组的对象
year_month_groups = df.groupby(df['Date'].dt.to_period('M'))
# 提取2005年1月的单独DataFrame
jan_2005_df = year_month_groups.get_group('2005-01')

• 遍历所有分组做批量分析示例：

for month, month_df in year_month_groups:
    # month为年月标识，month_df为对应月份的独立DataFrame
    print(f"月份：{month}，数据条数：{len(month_df)}")
    # 此处填入单月数据的分析逻辑

方案2：直接筛选单月数据（适合临时提取某几个月份） #

不需要生成分组对象，直接用布尔索引筛选：

• 提取所有年份1月的数据：

jan_df = df[df['Date'].dt.month == 1]

• 提取指定年份指定月份的数据：

target_df = df[(df['Date'].dt.year == 2005) & (df['Date'].dt.month == 1)]

可选扩展 #

如果你需要结合日期和时间两列生成完整时间戳再分组，可以先合并两列：

df['full_datetime'] = pd.to_datetime(df['Date'].astype(str) + ' ' + df['Time'])
# 后续用full_datetime列做上述分组/筛选操作即可

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