<p>首先,确保dataframe列是实际的datetime值。然后,可以运行以下操作来计算每个日期的操作总数,然后按月份对这些值进行分组,并计算相应的每月总数:</p>
<pre><code>>>>df
2019-01-01 2019-01-02 2019-02-01
Row
0 4 22 40
1 22 67 86
2 72 27 25
3 0 26 60
4 44 62 32
5 73 86 81
6 81 17 58
7 88 29 21
</code></pre>
<pre><code>>>>df.sum().groupby(df.sum().index.month).sum()
1 720
2 403
</code></pre>
<p>如果你想让它反映你在上面所做的:</p>
<pre><code>>>> out = df.sum().groupby(df.sum().index.month).sum().to_frame().T
>>> out.columns = [datetime.datetime.strftime(datetime.datetime.strptime(str(x),'%m'),'%B') for x in out.columns]
>>> out
January February
0 720 403
</code></pre>
<p>如果我误解了你,你想按记录/行来解释:</p>
<pre><code>>>> df.T.groupby(df.T.index.month).sum().T
1 2
Row
0 26 40
1 89 86
2 99 25
3 26 60
4 106 32
5 159 81
6 98 58
7 117 21
</code></pre>
<p>如上所述重命名列。你知道吗</p>