如何对含YYYY-MM-DD格式date_created列的Pandas DataFrame按年月分组统计？

当然可以！不用被value_counts()自带的日信息困扰，咱们有几种简洁的方法来实现仅按年、月分组统计的需求：

方法1：利用dt.to_period('M')聚合到月份周期 #

这是最推荐的方法，因为它保留了日期的时间属性，排序时更方便：

1. 先确保日期列是datetime类型（如果还没转换的话）：

import pandas as pd
df['date_created'] = pd.to_datetime(df['date_created'])

2. 提取年月周期并统计数量：

monthly_stats = df['date_created'].dt.to_period('M').value_counts().sort_index()

• dt.to_period('M')会把每个日期转换为对应的年月周期（比如2017-10-05变成2017-10）
• sort_index()让结果按时间顺序排列，而不是默认的计数降序

如果想把结果显示为MM/YYYY格式，只需要把索引转成字符串：

monthly_stats.index = monthly_stats.index.strftime('%m/%Y')

方法2：转成MM/YYYY字符串后统计 #

如果你更习惯直接处理字符串格式，可以用dt.strftime()转换后再统计：

monthly_stats = df['date_created'].dt.strftime('%m/%Y').value_counts()

⚠️ 注意：这种方法得到的结果是按字符串排序的（比如01/2017会排在10/2016前面），如果需要按时间顺序排序，可以先按原日期排序再分组，或者用方法1更稳妥。

方法3：用groupby分组统计 #

另一种经典的分组方式，逻辑更直观：

monthly_stats = df.groupby(df['date_created'].dt.to_period('M')).size()

groupby按年月周期分组后，size()返回每组的记录数，结果默认按时间顺序排列。

举个实际例子 #

假设你的DataFrame是这样的：

data = {'date_created': ['2017-10-05', '2017-10-12', '2018-01-03', '2017-10-05', '2018-01-15']}
df = pd.DataFrame(data)
df['date_created'] = pd.to_datetime(df['date_created'])

用方法1处理后，你会得到：

10/2017    3
01/2018    2
dtype: int64

完全符合你要的仅按年月统计的需求！

内容的提问来源于stack exchange，提问作者Reub