如何在Pandas中从datetime类型日期同时提取年份和月份？

嘿，我完全懂你这个痛点——既要按月份追踪产品表现，又不能把不同年份的同月数据混在一起，单独按年或月分组都满足不了需求对吧？别担心，用Pandas有好几种简单的方法能实现你要的YYYY-MM格式分组，给你详细拆解：

方法1：直接转成年月周期（最推荐） #

Pandas的dt.to_period()方法可以直接把datetime列转换成年月周期类型，显示出来就是2018-07这种格式，分组时会自动把同年同月的数据归为一组：

import pandas as pd

# 假设你的DataFrame名为df，日期列是'date'
df['year_month'] = df['date'].dt.to_period('M')

# 按年月分组聚合，比如计算月度销量总和（假设指标列是'sales'）
monthly_performance = df.groupby('year_month')['sales'].sum().reset_index()

这个方法的好处是保留了时间的周期属性，后续做时间序列分析或排序时会更顺手，不用担心字符串排序出问题。

方法2：拼接年和月字符串（适合需要纯文本格式的场景） #

如果你需要的是字符串类型的YYYY-MM，可以提取年份和月份后拼接，记得给月份补零保证格式统一：

# 提取年份转字符串，提取月份转字符串并补零到两位
df['year_month'] = df['date'].dt.year.astype(str) + '-' + df['date'].dt.month.astype(str).str.zfill(2)

# 同样进行分组聚合操作
monthly_performance = df.groupby('year_month')['sales'].sum().reset_index()

str.zfill(2)是关键，它能把1-9月的数字转换成01-09，避免出现2018-7这种不规范的格式，保证后续分组和可视化的一致性。

方法3：用strftime格式化日期（最直观的字符串生成法） #

直接利用datetime的格式化方法strftime()，指定%Y-%m格式就能得到你想要的结果：

# 格式化日期为YYYY-MM字符串
df['year_month'] = df['date'].dt.strftime('%Y-%m')

# 分组聚合
monthly_performance = df.groupby('year_month')['sales'].sum().reset_index()

这个方法最直观，熟悉日期格式化语法的话一眼就能看懂，生成的是标准的文本格式，适合直接用于图表的轴标签。

小提示：制图时的注意事项 #

不管用哪种方法生成year_month列，制图时直接把它作为x轴即可。如果是用周期类型的列，Pandas和可视化库会自动识别时间顺序；如果是字符串列，只要你的数据是按时间顺序采集的，分组后的结果也会保持正确的顺序，不用担心图表上的年月乱序。

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