Pandas 按月和年分组（日期为 datetime64[ns]）并按计数汇总答案

【问题标题】：Pandas groupby month and year (date as datetime64[ns]) and summarized by countPandas 按月和年分组（日期为 datetime64[ns]）并按计数汇总
【发布时间】：2020-05-18 21:18:26
【问题描述】：

我有一个数据框，我在 pandas 中创建，按日期分组并按游乐设施汇总。

      date   rides
0   2019-01-01  247279
1   2019-01-02  585996
2   2019-01-03  660631
3   2019-01-04  662011
4   2019-01-05  440848
..         ...     ...
451 2020-03-27  218499
452 2020-03-28  143305
453 2020-03-29  110833
454 2020-03-30  207743
455 2020-03-31  199623

[456 rows x 2 columns]

我的date 列在datetime64[ns] 中。

date     datetime64[ns]
rides             int64
dtype: object

现在我想创建另一个数据框，按月和年分组（我有 2019 年和 2020 年的数据表）并按游乐设施进行汇总。

理想输出：

Year Month   Rides
2019 January 2000000
2020 March   1000000

【问题讨论】：

标签： python pandas pandas-groupby python-datetime

【解决方案1】：

datetime 也支持to_period 转换，因此我们可以按月对所有内容进行分组。

df.groupby(df.date.dt.to_period('M')).agg('sum')
#           rides
#date            
#2019-01  2596765
#2020-03   880003

在这种情况下，索引是PeriodIndex，它有许多相同的datetime 属性。

PeriodIndex(['2019-01', '2020-03'], dtype='period[M]', name='date', freq='M')

【讨论】：

@Ben.T 如果您需要一个灵活的函数来允许不同的聚合，那就太好了。例如，很容易将上面的内容更改为聚合到 Year、Y-Quarter、Y-M 组（字面意思是更改为 Y、Q、M），而不是调用所有属性。基本上它是resample，但并没有给你所有的NaN 组。
可以添加 strftime 吗？

【解决方案2】：

您可以groupby 并从日期列中获取dt.year 和dt.month_name。

print (df.groupby([df['date'].dt.year.rename('year'), 
                   df['date'].dt.month_name().rename('month')])
         ['rides'].sum().reset_index())
   year    month    rides
0  2019  January  2596765
1  2020    March   880003

【讨论】：

完美！国王！非常感谢！
我会接受你的回答，因为你是第一个:)。再次感谢！