使用Pandas的pd.Grouper分组后仅显示一个分区，如何获取全部分组？

看起来你遇到的问题大概率是旧版本pandas的兼容性bug导致的，不过没关系，咱们可以用几种方法快速解决：

先排查基础问题 #

首先确认你的date列确实被正确转换成了datetime类型，执行这段代码检查：

print(df.dtypes)

如果date列的类型不是datetime64[ns]，说明转换过程可能出了问题，你可以改用更明确的转换方式：

df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

解决方案1：升级pandas版本 #

旧版本的pandas在pd.Grouper与分组列组合使用时，偶尔会出现分组键生成不完整的bug。升级到最新稳定版本通常就能搞定这个问题：

pip install --upgrade pandas

升级后再运行你原来的分组代码，应该就能看到所有预期的分组键了。

解决方案2：替代pd.Grouper，直接提取月份周期分组 #

如果不想升级版本，或者想要更直观的分组方式，可以直接从date列中提取年月周期来分组，这种方法兼容性更好：

# 方式1：先创建月份列再分组
df['month'] = df['date'].dt.to_period('M')
g = df.groupby(['zone', 'month'])

# 方式2：直接在groupby中使用，无需额外列
g = df.groupby(['zone', df['date'].dt.to_period('M')])

此时查看分组键：

print(g.groups.keys())

会得到所有预期的分组：

dict_keys([('AL', Period('2014-01')), ('BS', Period('2014-01')), ('RF', Period('2014-01'))])

这种方法的优势是，Period类型保留了时间序列的特性，后续做时间相关分析会更方便；如果偏好字符串格式的年月，也可以用df['date'].dt.strftime('%Y-%m')替代dt.to_period('M')。

内容的提问来源于stack exchange，提问作者Pax