【Python】【DataFrame】如何按照日期列统计数据列（按照日期或者按照年月）

import pandas as pd# 创建示例DataFramedata = {    '日期': ['2023-06-01', '2023-06-02', '2023-06-02', '2023-06-03', '2023-06-03'],    '数值': [10, 15, 20, 25, 30]}df = pd.DataFrame(data)# 将日期列转换为日期类型df['日期'] = pd.to_datetime(df['日期'])# 按照日期列进行统计，这里以求和为例result = df.groupby('日期')['数值'].sum()# 打印结果print(result)

输出结果：

日期2023-06-01    102023-06-02    352023-06-03    55Name: 数值, dtype: int64

使用pd.to_datetime将日期列转换为日期类型。接下来，使用groupby方法按照日期列进行分组，并选择要统计的数据列。在这里，我们选择了'数值'列，并使用sum方法对每个日期进行求和操作。最后，打印结果。

你可以根据实际需求修改统计的方法，比如使用mean计算平均值、max获取最大值等。

使用pd.to_datetime将日期列转换为日期时间类型，并利用该类型的属性进行分组操作。上代码：

import pandas as pd# 创建示例DataFramedata = {    '日期': ['2023-06-01', '2023-06-02', '2023-07-01', '2023-07-02', '2023-08-01'],    '数值': [10, 15, 20, 25, 30]}df = pd.DataFrame(data)# 将日期列转换为日期时间类型df['日期'] = pd.to_datetime(df['日期'])# 提取年月作为新的列df['年月'] = df['日期'].dt.to_period('M')# 按照年月进行统计，这里以求和为例result = df.groupby('年月')['数值'].sum()# 打印结果print(result)

输出结果：

年月2023-06    252023-07    452023-08    30Freq: M, Name: 数值, dtype: int64

使用pd.to_datetime将日期列转换为日期时间类型。接下来，我们使用dt.to_period('M')提取年月，并将其存储为新的列'年月'。然后，我们使用groupby方法按照'年月'列进行分组，并选择要统计的数据列。在这里，我们选择了'数值'列，并使用sum方法对每个年月进行求和操作。最后，打印结果。

来源地址：https://blog.csdn.net/Good_Hope/article/details/131134781