Python 你能从熊猫的日期中同时提取年和月吗

我有一个带有日期列的数据框（键入datetime）。我可以很容易地提取年份或月份来进行分组，但是我找不到一种方法可以同时从日期中提取年份和月份。我需要分析一个产品在一年内的表现，并绘制一张图表，显示它每个月的表现。当然，我不能只按月份分组，因为它会为两个不同的年份添加相同的月份，而按年份分组不会产生我想要的结果，因为我需要每月查看绩效

我一直在寻找几种解决方案，但迄今为止没有一种有效

基本上，我现在的约会是这样的

2018-07-20
2018-08-20
2018-08-21
2018-10-11
2019-07-20
2019-08-21

---

我只想拥有2018-07、2018-08、2018-10等等。

一种方法是将列转换为所有这些日期的月初，然后按月创建分析：

date_col = pd.to_datetime(['2011-09-30', '2012-02-28'])
new_col = date_col + pd.offsets.MonthBegin(1)

---

在这里，您的分析保持不变，每月进行一次。有两个选项，一个是映射到每月的第一个：

假设您的日期位于名为“日期”的列中，类似于：

df['ym-date'] = df['date'].dt.strftime('%Y-%m')

df['Date\u no\u day']=df['Date'].应用（lambda x:x.replace（day=1））

如果您真的只想存储年份和月份，可以映射到

（年、月）

元组，例如：

df['Date\u no\u day']=df['Date'].应用（λx:（x.year，x.month））

---

从这里，您可以按此新列进行分组/聚合并执行分析

如果它们存储为datetime，您应该能够使用datetime.strftime（）创建一个只包含要分组的年份和月份的字符串

它看起来像：

df['ym-date'] = df['date'].dt.strftime('%Y-%m')

---

您可以使用

来设置时段

df['month\u year']=df['date'].dt.至_期间（'M'））

如果您有一些使用日期时间值的数据，如下所示：

sale_date = [
    pd.date_range('2017', freq='W', periods=121).to_series().reset_index(drop=True).rename('Sale Date'),
    pd.Series(np.random.normal(1000, 100, 121)).rename('Quantity')
]
sales = pd.concat(data, axis='columns')

d = sales['Sale Date']
sales.groupby([d.dt.year.rename('Year'), d.dt.month.rename('Month')]).sum()

您可以按年份和日期同时分组，如下所示：

sale_date = [
    pd.date_range('2017', freq='W', periods=121).to_series().reset_index(drop=True).rename('Sale Date'),
    pd.Series(np.random.normal(1000, 100, 121)).rename('Quantity')
]
sales = pd.concat(data, axis='columns')

d = sales['Sale Date']
sales.groupby([d.dt.year.rename('Year'), d.dt.month.rename('Month')]).sum()

您还可以创建一个字符串，表示月份和年份的组合，并按以下方式分组：

ym_id = d.apply("{:%Y-%m}".format).rename('Sale Month')
sales.groupby(ym_id).sum()

---

日期是索引吗？请检查此代码段将不起作用，它将抛出一个AttributeError，您需要执行：

df['ym-date']=df['date'].dt.strftime（“%Y-%m”）

但是，这不会给我一个分组，将重复月份的结果合并为一个吗？我的分析从2018年7月到2019年9月，在此之后，您将执行您的团队。您需要指定合并为一个的含义。平均数/总和/计数等@Dasphillipbrau这是推荐的，适合您的需要。