如何忽略年份按日期的月日部分分组数据并处理温度测量DataFrame

嗨，这事儿不难，咱们用pandas几步就能搞定！针对你手里的温度数据，我给你整理了清晰的操作步骤：

第一步：确保日期列是datetime格式 #

首先得把你的Date列转换成pandas能识别的datetime类型，这样才能方便提取月日信息：

import pandas as pd

# 假设你的原始DataFrame名为df
df['Date'] = pd.to_datetime(df['Date'])

第二步：提取月日信息作为分组依据 #

咱们新增一列Month_Day，专门存储日期的月日部分（自动忽略年份）：

# 生成类似"11-25"格式的月日字符串
df['Month_Day'] = df['Date'].dt.strftime('%m-%d')

# 如果你更习惯用数字组合的方式，也可以这么写：
# df['Month_Day'] = df['Date'].dt.month.astype(str) + '-' + df['Date'].dt.day.astype(str)

第三步：筛选出最低温度（TMIN）的记录 #

先把所有属于TMIN的行单独筛选出来，避免和最高温度的数据混在一起：

tmin_records = df[df['Element'] == 'TMIN']

第四步：按月日分组并提取最低温度值 #

现在就可以按Month_Day分组，然后取每组里Data_Value的最小值，最后用reset_index()把分组后的结果转成标准的DataFrame格式：

final_tmin_df = tmin_records.groupby('Month_Day')['Data_Value'].min().reset_index()

可选：调整列名让结果更直观 #

如果想让最终的列名更易懂，比如把Data_Value改成Min_Temperature，可以执行这一步：

final_tmin_df.rename(columns={'Data_Value': 'Min_Temperature'}, inplace=True)

这样你就得到了一个只包含月日和对应最低温度的新DataFrame啦！

内容的提问来源于stack exchange，提问作者Ivanovitch