Pandas时间序列分析：1996-2016年各月发布商总量统计需求

嗨，我完全get到你的需求了——不是按每年拆分后算月度，而是把1996到2016年所有年份的同一个月份合并起来，统计每个月的唯一发布商总数对吧？这其实是个典型的跨时间维度聚合问题，用Pandas几步就能搞定：

核心思路 #

1. 确保时间列是datetime类型（Pandas处理时间的基础前提）
2. 过滤出1996-2016年的目标数据范围
3. 按纯月份（而非“年-月”组合）分组，统计发布商的唯一值数量

具体代码实现 #

假设你的DataFrame名为df，时间列叫release_date，发布商列叫publisher（如果列名不同，直接替换成你实际的列名即可）：

1. 转换并清洗时间列 #

先把时间列转成标准datetime格式，同时处理可能的缺失值或无效时间：

import pandas as pd

# 转换时间列，无法识别的格式转为NaN
df['release_date'] = pd.to_datetime(df['release_date'], errors='coerce')

# 过滤掉时间或发布商为空的行，避免统计误差
clean_df = df.dropna(subset=['release_date', 'publisher'])

2. 筛选目标年份范围 #

只保留1996到2016年的数据，排除超出范围的年份：

target_df = clean_df[(clean_df['release_date'].dt.year >= 1996) & (clean_df['release_date'].dt.year <= 2016)]

3. 按月份分组统计唯一发布商数 #

这里的关键是用dt.month提取纯月份（1-12），然后用nunique()统计唯一值（别用count()，它会重复计算同一个发布商的多次出现）：

# 按月份分组，统计唯一发布商数量
monthly_publisher_count = target_df.groupby(target_df['release_date'].dt.month)['publisher'].nunique()

# 把月份数字替换成中文名称，结果更直观
monthly_publisher_count.index = ['一月', '二月', '三月', '四月', '五月', '六月', 
                                 '七月', '八月', '九月', '十月', '十一月', '十二月']

# 输出最终结果
print(monthly_publisher_count)

关键注意点 #

• 必须用nunique()：如果同一个发布商在不同年份的同一个月都有数据，我们只需要统计一次，count()会把所有出现次数累加，不符合你的需求
• 时间转换加errors='coerce'：能自动处理格式错误的时间数据，避免后续代码报错
• 如果需要英文月份显示，把索引换成['January', 'February', ..., 'December']即可

内容的提问来源于stack exchange，提问作者Slav