如何在熊猫中按天和月分组？答案

【问题标题】：How to group by day and month in pandas?如何在熊猫中按天和月分组？
【发布时间】：2019-10-25 00:54:38
【问题描述】：

给定一个这样的系列

    Date
2005-01-01    128
2005-01-02     72
2005-01-03     67
2005-01-04     61
2005-01-05     33
Name: Data_Value, dtype: int64

几年来，我如何将所有 1 月 1 日、所有 1 月 2 日等组合在一起？

我实际上是在尝试找到几年中一年中每一天的最大值，所以它不必是 groupby。如果有更简单的方法来做到这一点，那就太好了。

【问题讨论】：

【解决方案1】：

您可以将索引转换为日期时间，然后使用strftime 获取日期格式的字符串以进行分组：

df.groupby(pd.to_datetime(df.index).strftime('%b-%d'))['Date_Value'].max()

如果您的日期字符串中没有 NaN，您也可以切片。这将返回格式为“MM-DD”的字符串：

df.groupby(df.index.astype(str).str[5:])['Date_Value'].max()

【讨论】：

谢谢。为什么我得到NameError: name 'series' is not define 的线路：series.groupby(dailymax.to_datetime(series.index).strftime('%b-%d')).max()
@Dirk 系列是指您的系列。如果你想要df.groupby(pd.to_datetime(df.index).strftime('%b-%d'))['Date_Value'].max()。重点是接受这个答案并将其塑造成适合您的数据和变量命名方案。

【解决方案2】：

作为替代方案，您可以使用数据透视表：

重置索引和格式化日期列

df=df.reset_index()
df['date']=pd.to_datetime(df['index'])
df['year']=df['date'].dt.year
df['month']=df['date'].dt.month
df['day']=df['date'].dt.day

透视月份和日期列：

df_grouped=df.pivot_table(index=('month','day'),values='Date',aggfunc='max')

【讨论】：

【解决方案3】：

为什么不保持简单！

max_temp = dfall.groupby([(dfall.Date.dt.month),(dfall.Date.dt.day)])['Data_Value'].max()

【讨论】：