Python 3.x 从.CSV文件分割日期：2016年1月16日到2016年16日16月1日

我有一个.csv文件，其中包含列：名称、日期、信息、统计信息、更多信息

我想导入.csv文件（使用Python 3.6代码或Pandas）

然后我需要过滤列：名称、日期、信息

这里是我遇到问题的地方，我需要获取.csv文件中的“日期”列，该列将日期列为2016年1月16日，并将其分开，以便我只能为过滤后的.csv输出文件选择月份

我要读的最后一栏，如姓名、月份、信息

整个“日期”栏分为两年——2016年和2017年。我需要获取2016年的名称、月份和信息，并将其保存到一个新的.csv文件中，2017年的名称、月份和信息也是一样的，因此每年都以分组月份分隔

averageData = pd.read_csv('Data.csv', sep = ',', parse_dates=True)
df1 = averageData.loc[:, ["DATE", "NAME", "INFO"]]
df1["DATE"] = pd.to_datetime(df1["DATE"])
stripdate = datetime.datetime.strptime(['01-01-2016'], '%Y-%m-%d')

变量stripdate where datetime.datetime.strtime（）应该以正确的格式重新排列日期，这是我误解的地方。我如何按照.csv文件中“日期”列下列出的日期的月份对所有内容进行分组。然后在新的.csv文件中按年份进一步分组

import pandas as pd

df = pd.DataFrame({'date':['01-16-2016','06-24-2016','04-30-2016','07-09-2016','03-21-2017','01-13-2017'],'Parameter':[10,420,60,10,21,33]})

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

如果要向数据中添加年：2016、日：16、月：1的列，请尝试：

df['Year'] = df['date'].dt.year
df['Month'] = df['date'].dt.month
df['Day'] = df['date'].dt.day

之后，您可以根据年份定位数据帧并保存到csv

df.loc[df['Year'] == 2016].to_csv('2016.csv')

如果您希望每月对数据进行分组：

df=df.set_index('date')
df1=df.resample("M").sum() # Mean is another option.

或

df1 = df.groupby(pd.TimeGrouper("M")).sum()