You need to enable JavaScript to run this app. pandas时间序列使用groupby分组时如何将年份转为列展示
优惠活动
大模型
产品
解决方案
定价
更多

pandas时间序列使用groupby分组时如何将年份转为列展示

实现方案

你可以通过pivot透视表直接实现你要的结构,以下是两种可直接运行的实现方式:

方式1:优化现有逻辑,无需单独拆分年月日列

import pandas as pd

# 你的原始数据构造
fechas= pd.Series(pd.date_range(start='2015-01-01', end='2020-12-01', freq='H'))
data=pd.Series(range(len(fechas)))
df=pd.DataFrame({'Date':fechas, 'Data':data})

# 按天聚合求和
df_daily = df.groupby(df['Date'].dt.date)['Data'].sum().reset_index()
# 生成dd-mm格式的月日标识,自动补前导零保证格式统一
df_daily['dd-mm'] = df_daily['Date'].apply(lambda x: x.strftime('%d-%m'))
# 提取年份
df_daily['year'] = df_daily['Date'].dt.year
# 透视生成目标结构
res = df_daily.pivot(index='dd-mm', columns='year', values='Data').reset_index()
# 清除列名多余层级,将年份列名转为字符串,匹配你要求的格式
res.columns.name = None
res.rename(columns={col:str(col) for col in res.columns if isinstance(col, int)}, inplace=True)

方式2:在你现有已写好的代码基础上修改

# 你原有的可运行代码
df['year']=pd.DatetimeIndex(df['Date']).year
df['month']=pd.DatetimeIndex(df['Date']).month
df['day']=pd.DatetimeIndex(df['Date']).day
daily_sum = df.groupby(['year','month','day'])['Data'].sum().reset_index()

# 新增逻辑生成目标结构
daily_sum['dd-mm'] = daily_sum.apply(lambda row: f"{row['day']:02d}-{row['month']:02d}", axis=1)
res = daily_sum.pivot(index='dd-mm', columns='year', values='Data').reset_index()
res.columns.name = None
res.rename(columns={col:str(col) for col in res.columns if isinstance(col, int)}, inplace=True)

可选补充处理

如果需要把缺失值(比如闰年2月29日非闰年的空值)替换为0,可在最后新增一行:

res.fillna(0, inplace=True)

内容的提问来源于stack exchange,提问作者user1181237

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.19 03:54:03