Python 如何按连续季节计算时间月数

我有一个大的时间序列数据帧。该列已被格式化为datetime。比如

2017-10-06T00:00:00+00:00
2020-04-29 00:00:00+00:00

我想画出每个季节的样本数。比如下面。这些值是该季节的样本计数

1997 Winter 4
1997 Spring 8
1997 Summer 8
...
2020 Winter 32

我做了一些搜索，发现我可以创建一个字典，将月份转换成季节。然而，自“实时冬季时间”以来最棘手的部分包含两年的数据。例如，1997年冬季实际上应包含1997年12月、1998年1月和1998年2月

请注意，我希望将“1997年1月、1997年2月”排除在1997年冬季之外，因为它们是“1996年冬季”

我想知道最有效的方法是什么？它不必命名为“1997年冬季”，只要计数数字从头到尾连续，任何索引都应该对我有效

---

非常感谢

有一种快速的方法可以解决这个问题，但它不是很正统。。。 创建一列“季节”，并使用np.where（）指定季节。一开始，你说前三个月是冬天，下三个月是春天，依此类推。然后，对列应用shift（-1）将其向后移动一行。然后，你就有了自己的季节（只不过是拉斯南）。然后你可以用一种懒惰的方式解决你的问题。 如果你对代码不熟悉，告诉我，我会编辑它

编辑：

我假设日期在索引中。如果不是，您应该申请dt.month而不是.month。 我把它分解清楚

_condtion_spring = (df.index.month>=4)&(df.index.month<=6)
_condition_summer = (df.index.month>7)&(df.index.month<=9)
_condition_automn = (df.index.month>=10)@(df.index.month<=12)
df['Season'] = np.where(_condition_winter,'Winter',np.where(_condtion_spring,'Spring',np.where(_condition_summer,'Summer',np.where(_condition_automn,'Automn',np.nan))))
df['Season'] = df['Season'].shift(-1).fillna(method='ffill')

---

\u condition\u spring=（df.index.month>=4）和（df.index.month7）和（df.index.month=10）@（df.index.month=1）和（df.index.month=4）和（df.index.month=7）和（df.index.month=10）@（df.index.month=1）和（df.index.month=7）和（df.index.month=10）@（df.index.month有一种快速的解决方法，但不是很正统。。。
您创建一列“季节”，并使用np.where（）指定季节。开始时，您说前3个月为冬季，下3个月为春季，依此类推。然后，您在列上应用移位（-1）将其向后移动一行。然后，您就有了季节（只需菲勒-拉斯南）。然后，您可以用一种懒惰的方式解决您的问题。
如果你对代码不熟悉，告诉我，我会编辑它

编辑：

我假设日期在索引中。如果不是，则应该应用dt.month而不是.month。
我把它分解清楚

_condtion_spring = (df.index.month>=4)&(df.index.month<=6)
_condition_summer = (df.index.month>7)&(df.index.month<=9)
_condition_automn = (df.index.month>=10)@(df.index.month<=12)
df['Season'] = np.where(_condition_winter,'Winter',np.where(_condtion_spring,'Spring',np.where(_condition_summer,'Summer',np.where(_condition_automn,'Automn',np.nan))))
df['Season'] = df['Season'].shift(-1).fillna(method='ffill')

\u condition\u spring=（df.index.month>=4）和（df.index.month7）和（df.index.month=10）@（df.index.month=1）和（df.index.month=4）和（df.index.month=7）和（df.index.month=10）@（df.index.month=1）和（df.index.month=7）和（df.index.month=10）@（df.index.month我认为您应该创建一个lambda函数，它通过月和日的值选择正确的季节

def seasons(date):
    m = date.month
    d = date.day
    season=None
    if (3==m and d>=21) or m==4 or m==5 or (m==6 and 20<=d):
        season = 'spring'
    elif (6==m and d>=21 ) or m==7 or m==8 or (m==9 and 20<=d):
        season = 'sommer'
    elif (9==m and d>=21 ) or m==10 or m==11 or (m==12 and 20<=d):
        season = 'autumn'
    elif (12==m and d>=21 ) or m==1 or m==2 or (m==3 and 20<=d):
        season = 'winter'
    return season

df['season'] = df.apply(lambda x: seasons(x['date']), axis=1)

def季节（日期）：
m=日期。月份
d=日期
季节=无
如果（3==m和d>=21）或m==4或m==5或（m==6和20=21）或m==7或m==8或（m==9和20=21）或m==10或m==11或（m==12和20=21）或m==1或m==2或（m==3和20我认为您应该创建一个lambda函数，通过月和日的值选择正确的季节

def seasons(date):
    m = date.month
    d = date.day
    season=None
    if (3==m and d>=21) or m==4 or m==5 or (m==6 and 20<=d):
        season = 'spring'
    elif (6==m and d>=21 ) or m==7 or m==8 or (m==9 and 20<=d):
        season = 'sommer'
    elif (9==m and d>=21 ) or m==10 or m==11 or (m==12 and 20<=d):
        season = 'autumn'
    elif (12==m and d>=21 ) or m==1 or m==2 or (m==3 and 20<=d):
        season = 'winter'
    return season

df['season'] = df.apply(lambda x: seasons(x['date']), axis=1)

def季节（日期）：
m=日期。月份
d=日期
季节=无
如果（3==m和d>=21）或m==4或m==5或（m==6和20=21）或m==7或m==8或（m==9和20=21）或m==10或m==11或（m==12和20=21）或m==1或m==2或（m==3和20我找到了另一个解决方法。所以我想把它留在这里

所有样品1个月后轮班
逐月附上季节
然后你可以用你想要的任何方式处理这些样品
如果您对其进行编码，它可能如下所示：

from dateutil.relativedelta import *
    
df.loc[:, 'shift_time'] = df.apply(lambda x: x['real_datetime'] + relativedelta(months=+1), axis=1)
df.loc[:, 'season'] = df['shift_time'].dt.quarter
grouped = df.groupby([(df['shift_time'].dt.year), (df['season'])]).count()

我找到了另一种变通方法，所以我想把它留在这里

所有样品1个月后轮班
逐月附上季节
然后你可以用你想要的任何方式处理这些样品
如果您对其进行编码，它可能如下所示：

from dateutil.relativedelta import *
    
df.loc[:, 'shift_time'] = df.apply(lambda x: x['real_datetime'] + relativedelta(months=+1), axis=1)
df.loc[:, 'season'] = df['shift_time'].dt.quarter
grouped = df.groupby([(df['shift_time'].dt.year), (df['season'])]).count()

是的，你能提供代码吗？我相信这对其他人也会有帮助！或者我认为有另一种方法，在一个月后转移每个样本。然后我可以根据季度对它们进行分组。你怎么看？我已经编辑了它。告诉我这是否是你所想的。嗨，我需要在使用t之前按日期时间对数据帧进行排序吗hat代码？如果在特定月份没有找到样本，会不会导致问题？@Xudong，我不确定是否理解您的问题。我编辑了一个完整的示例。我假设1984年冬季是从1983年12月到1984年2月。这是您想要的吗？例如，编辑1984年冬季的样本总数？是的，请提供code？我相信这对其他人也会有帮助！或者我认为有另一种方法，在一个月后对每个样本进行移位。然后我可以根据季度对它们进行分组。你怎么看？我已经编辑了它。告诉我这是否是你所想的。嗨，我需要在使用代码之前按日期时间对数据帧进行排序吗？如果没有呢在某个特定的月份，是否会引起问题？@Xudong，我不确定是否理解您的问题。我编辑了一个完整的示例。我假设1984年冬季是从1983年12月到1984年2月。这是您想要的吗？例如，编辑1984年冬季的样本总数？