如何使用Pandas的groupby/Grouper按月份分组（忽略年份）

嗨，这个需求其实很容易实现，核心是提取日期列的月份信息作为分组依据，同时忽略年份。下面给你几种用Pandas的groupby/Grouper实现的方法：

第一步：确保日期列是datetime类型 #

首先要确认你的Departure_Date和Arrival_Date列已经是datetime格式，如果还不是的话，先做转换：

import pandas as pd

# 读取你的分号分隔数据
df = pd.read_csv('your_data.csv', sep=';')

# 将日期列转换为datetime类型
df['Departure_Date'] = pd.to_datetime(df['Departure_Date'])
df['Arrival_Date'] = pd.to_datetime(df['Arrival_Date'])

方法一：直接用dt.month作为分组键 #

这是最直观的方式，通过dt.month提取日期列的月份（返回1-12的整数），然后传入groupby：

# 按出发日期的月份分组（忽略年份）
grouped_by_dep_month = df.groupby(df['Departure_Date'].dt.month)

# 如果需要按到达日期的月份分组，同理：
# grouped_by_arr_month = df.groupby(df['Arrival_Date'].dt.month)

方法二：使用pd.Grouper配合月份提取 #

如果你更倾向于用Grouper语法，可以通过func参数指定提取月份的逻辑：

# 使用Grouper按出发日期的月份分组
grouped_by_month = df.groupby(pd.Grouper(key='Departure_Date', func=lambda x: x.month))

方法三：先创建月份列再分组 #

如果需要后续复用月份信息，可以先新增一个Month列，再按这个列分组：

# 新增月份列（1-12）
df['Departure_Month'] = df['Departure_Date'].dt.month

# 按新增的月份列分组
grouped_by_month = df.groupby('Departure_Month')

示例：分组后统计数据 #

分组完成后，你可以执行各种聚合操作，比如统计每个月份的航班数量：

# 统计每个月份的航班总数
monthly_flight_count = grouped_by_month.size()
print(monthly_flight_count)

# 或者统计每个月份的平均出发时间（示例）
monthly_avg_dep_time = grouped_by_month['Departure_Time'].mean()

这样所有不同年份的同一月份都会被分到同一组，完美满足你忽略年份的需求~

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