Python 熊猫数据帧：在Datetime索引中按月获取列中的元素？

我已成功地按日期时间月对数据帧进行分组，执行以下操作：

df.set_index('Date').groupby(pd.Grouper(freq='M')).sum()

数据如下所示：

           price, debt
2018-4-30, 40.0, 50,0
2018-5-31, 10.0, 0.0
2018-6-30, 30.0, 0.0
2018-7-31, 30.0, 10.0

当我运行

print（df.index）

时，它给出以下信息：

DatetimeIndex(['2018-04-30', '2018-05-31', '2018-6-30', '2018-7-31'], dtype='datetime64[ns]', name='Date', freq='M')

是否有办法在索引中按月/年匹配列？因此，如果我想在2018年7月获得价格，它将返回

30.0

。如果没有，最好的方法是什么？谢谢。

按年份和月份使用，用于将一个元素

系列

转换为标量：

print(df['2018-07']['price'].item())
30.0

或者使用分组方式

MS

作为字符串的开头，并在第一天按loc选择：

df = df.set_index('Date').groupby(pd.Grouper(freq='MS')).sum()
print (df)
            price  debt
Date                   
2018-04-01   40.0  50.0
2018-05-01   10.0   0.0
2018-06-01   30.0   0.0
2018-07-01   30.0  10.0

print(df.loc['2018-07-01', 'price'])
30.0

另一种解决方案是通过以下方式将datetimes转换为月份周期：

如果使用一些旧版本的熊猫也能工作（谢谢）：

但是在

pandas 0.22.0

get中：

KeyError:“标签[2018-07]不在[索引]中”

---

考虑到每个月只有一个日期，只需使用

df.loc['2018-07'，'price']

就可以了，否？@Alexander-没有datetimeindex.@Alexander get

KeyError:'标签[2018-07]不在[index]中'

我使用的是熊猫的旧版本（0.17.1，不要问…），而且效果很好。

df['Date'] = df['Date'].dt.to_period('M')
df = df.groupby('Date').sum()
print (df)
         price  debt
Date                
2018-04   40.0  50.0
2018-05   10.0   0.0
2018-06   30.0   0.0
2018-07   30.0  10.0

print (df.loc['2018-07', 'price'])
30.0

df.loc['2018-07', 'price']