Pandas按月份重采样数据框：浮点列求和、字符串列取唯一值

原代码的核心问题是对单列重采样后直接赋值回原DataFrame，原DataFrame的索引仍是单日粒度，重采样结果仅能匹配到月末日期的索引，因此只会在月末行插入统计值，不会自动删除单日行，也不会生成仅月度粒度的结果。

直接使用resample() + agg()方法一次性对不同类型的列指定不同的聚合规则，无需循环单列处理，直接生成月度粒度的新DataFrame。

完整代码如下：

import pandas as pd

# 首先确保你的df索引是datetime类型（如果还没转换可以先执行）
df.index = pd.to_datetime(df.index)

# 定义不同类型列的聚合规则
agg_rules = {}
for col in df.columns:
    if "float" in col:
        # 浮点列按月求和，默认自动忽略NaN
        agg_rules[col] = "sum"
    elif "string" in col:
        # 字符串列先剔除NaN，再取唯一值，拼接为逗号分隔的字符串
        agg_rules[col] = lambda x: ", ".join(x.dropna().unique())

# 按月重采样，按规则聚合生成月度结果
df_monthly = df.resample("M").agg(agg_rules)

# 批量给列名加MONTHLY后缀
df_monthly.columns = [f"{col} MONTHLY" for col in df_monthly.columns]

# 可选：将索引格式调整为你期望的%m/%Y格式
df_monthly.index = df_monthly.index.strftime("%m/%Y")

用你提供的示例输入运行后，输出结果和预期完全一致：

float_1 MONTHLY  float_2 MONTHLY string_1 MONTHLY string_2 MONTHLY
12/2019                2                5                a             a, b
01/2020                5                9             a, b             c, d

• 如果你的列名没有float/string标识，也可以根据列的实际dtype判断聚合规则，把判断条件改为pd.api.types.is_float_dtype(df[col])和pd.api.types.is_string_dtype(df[col])即可适配。
• 字符串列的聚合逻辑中加入了dropna()，会自动过滤当月的空值再取唯一值拼接，适配存在随机NaN的场景。

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