Python按月份分组datetime对象：统计月度数量并生成绘图数据

哈哈，这种「看起来简单实际踩坑」的需求太有共鸣了！我之前处理类似的时间序列统计时，也差点因为忽略了空月份补0这点折腾半天。刚好帮你理清楚两种可行的解法：纯Python实现和用Pandas简化操作。

需求回顾 #

给定一个datetime对象列表，需要：

• X轴：覆盖从最早到最晚日期的所有年月（哪怕该月没有数据也要显示）
• Y轴：对应年月的datetime对象数量（空月份填0）

比如示例输入：[28/02/2018, 01/03/2018, 16/03/2018, 17/05/2018] → 输出(['02/2018', '03/2018', '04/2018', '05/2018'], [1, 2, 0, 1])

方法一：纯Python实现（无需第三方库） #

如果不想引入Pandas，用标准库就能搞定，核心是先生成完整的年月范围，再匹配计数：

from datetime import datetime

# 1. 先把输入的日期字符串转成datetime对象（如果你的输入已经是datetime可跳过这步）
date_strings = ["28/02/2018", "01/03/2018", "16/03/2018", "17/05/2018"]
dates = [datetime.strptime(d, "%d/%m/%Y") for d in date_strings]

# 2. 统计已有月份的数量，用(year, month)元组做键（比字符串更可靠）
month_counts = {}
for dt in dates:
    key = (dt.year, dt.month)
    month_counts[key] = month_counts.get(key, 0) + 1

# 3. 生成从最早到最晚日期的完整年月序列
start_year, start_month = min(dates).year, min(dates).month
end_year, end_month = max(dates).year, max(dates).month

full_months = []
current_year, current_month = start_year, start_month
while (current_year, current_month) <= (end_year, end_month):
    full_months.append((current_year, current_month))
    # 处理跨年：12月之后跳转到次年1月
    if current_month == 12:
        current_year += 1
        current_month = 1
    else:
        current_month += 1

# 4. 匹配计数，补全空月份的0
x_labels = [f"{month:02d}/{year}" for year, month in full_months]
y_counts = [month_counts.get((year, month), 0) for year, month in full_months]

print(x_labels)  # 输出: ['02/2018', '03/2018', '04/2018', '05/2018']
print(y_counts)  # 输出: [1, 2, 0, 1]

方法二：用Pandas简化操作（推荐） #

如果你的项目已经在用Pandas，那这个需求几行代码就能搞定，resample方法会自动帮你处理空月份补0：

import pandas as pd

date_strings = ["28/02/2018", "01/03/2018", "16/03/2018", "17/05/2018"]
# 转成Pandas的Datetime序列
dates = pd.to_datetime(date_strings, format="%d/%m/%Y")

# 按每月第一天（MS）重采样，统计数量，空月份自动补0
monthly_stats = dates.to_frame(name="count").resample("MS", on="count").count().fillna(0)

# 转成需要的格式
x_labels = monthly_stats.index.strftime("%m/%Y").tolist()
y_counts = monthly_stats["count"].tolist()

print(x_labels)  # 输出: ['02/2018', '03/2018', '04/2018', '05/2018']
print(y_counts)  # 输出: [1, 2, 0, 1]

关键注意点 #

• 用(year, month)元组作为统计键，比直接用字符串（比如"02/2018"）更可靠，避免字符串排序时出现的逻辑错误（比如"12/2018"和"01/2019"的字符串排序结果不符合时间顺序）。
• 如果你的日期范围跨好几年，Pandas的resample会省掉大量手动生成时间序列的代码，效率也更高。

内容的提问来源于stack exchange，提问作者EriktheRed