如何在Python/Pandas中基于年月分组统计计数生成特征列

前置依赖 #

需要提前确保已经安装pandas库，代码中首先导入依赖：

import pandas as pd

实现步骤 #

• 第一步：日期格式转换
  先将原始DataFrame的date列转换为pandas的datetime类型，方便后续时间维度计算：

  # 假设原始数据存储在变量df中
  df['date'] = pd.to_datetime(df['date'])
  

• 第二步：生成年月标识列
  按照要求的MM-YYYY格式生成年月维度字段：

  df['year_month'] = df['date'].dt.strftime('%m-%Y')
  

• 第三步：分组统计并转换为宽表
  按人员、年月分组统计记录数，再将年月转为列，无记录的月份填充为0：

  result = df.groupby(['Person', 'year_month'])['date'].count() \
             .unstack(fill_value=0) \
             .reset_index()
  

特殊场景适配：补全全量月份 #

如果需要覆盖完整的5个统计周期（哪怕某个月没有任何人员的记录，也要保留对应列），可以额外生成全量年月列表做列索引补全：

# 生成统计范围内所有的年月列表（按时间顺序排列）
all_months = pd.date_range(
    start=df['date'].min(), 
    end=df['date'].max(), 
    freq='MS' # 按月初频率取数
).strftime('%m-%Y').tolist()

# 补全所有月份列
result = result.reindex(columns=['Person'] + all_months, fill_value=0)

内容的提问来源于stack exchange，提问作者stephsmith