Python 如何使用熊猫按月份和年份对行进行分组和计数？

我有一个个人数据集，如姓名、身高、体重和出生日期。我会建立一个图表，显示特定月份和年份出生的人数。我正在使用python pandas来实现这一点，我的策略是尝试按年份和月份分组，并使用count添加。但我得到的最接近的数据是按年或按月计算人数，而不是按两者计算

df['birthdate'].groupby(df.birthdate.dt.year).agg('count')

---

stackoverflow中的其他问题指向一个名为TimeGrouper的石斑鱼，但在pandas文档中搜索没有发现任何东西。有什么想法吗？

要对多个条件进行分组，请传递列或条件列表：

df['birthdate'].groupby([df.birthdate.dt.year, df.birthdate.dt.month]).agg('count')

例如：

In [165]:
df = pd.DataFrame({'birthdate':pd.date_range(start=dt.datetime(2015,12,20),end=dt.datetime(2016,3,1))})
df.groupby([df['birthdate'].dt.year, df['birthdate'].dt.month]).agg({'count'})

Out[165]:
                    birthdate
                        count
birthdate birthdate          
2015      12               12
2016      1                31
          2                29
          3                 1

更新

从版本开始，由于多索引级别名称必须是唯一的限制，上述代码不再有效，您现在需要

重命名

级别，以使其工作：

In[107]:
df.groupby([df['birthdate'].dt.year.rename('year'), df['birthdate'].dt.month.rename('month')]).agg({'count'})

Out[107]: 
           birthdate
               count
year month          
2015 12           12
2016 1            31
     2            29
     3             1

---

另一种解决方案是将

生日设置为索引并重新采样：

import pandas as pd

df = pd.DataFrame({'birthdate': pd.date_range(start='20-12-2015', end='3-1-2016')})
df.set_index('birthdate').resample('MS').size()

输出：

生日
2015-12-01    12
2016-01-01    31
2016-02-01    29
2016-03-01     1
频率：MS，数据类型：int64
您也可以将“每月”期间与
dt
存取器一起使用：

In [11]: df = pd.DataFrame({'birthdate': pd.date_range(start='20-12-2015', end='3-1-2016')})

In [12]: df['birthdate'].groupby(df.birthdate.dt.to_period("M")).agg('count')
Out[12]:
birthdate
2015-12    12
2016-01    31
2016-02    29
2016-03     1
Freq: M, Name: birthdate, dtype: int64


值得注意的是，如果datetime是您可以使用的索引（而不是列）：

截至2019年4月：这将起作用。熊猫版本-0.24.x

df.groupby（[df.dates.dt.year.rename（'year'）、df.dates.dt.month.rename（'month'）））.size（）
用各自的列名替换日期和计数字段。这段代码将根据给定的参数进行分组、求和和和排序。您还可以将频率更改为1米或2米，以此类推

df[['date', 'count']].groupby(pd.Grouper(key='date', freq='1M')).sum().sort_values(by='date', ascending=True)['count']

嗨@EdChum-恢复Monica的身份我如何绘制这些数据？@AdamIqshan抱歉，你应该问一个新问题，而不是使用评论
df[['date', 'count']].groupby(pd.Grouper(key='date', freq='1M')).sum().sort_values(by='date', ascending=True)['count']