利用python统计一个datetime64[ns]类型的数据集中 不同年份的各个月份的天数

您好，根据您的要求，我理解您需要使用 Python 统计 datetime64[ns] 类型的日期数据集中不同年份的各个月份的天数。以下是一种实现方法：

import numpy as np
import pandas as pd

# 创建日期数据
dates = pd.date_range(start='2010-01-01', end='2021-12-31', freq='D')
data = pd.DataFrame({'date': dates})

# 统计不同年份的各个月份的天数
result = {}
for year in range(2010, 2022):
    year_data = data[(data['date'].dt.year == year)]
    by_month = year_data.groupby(year_data['date'].dt.month)
    month_days = by_month['date'].count().values.tolist()
    result[str(year)] = month_days

print(result)

这里我们首先使用 Pandas 创建一个包含从 2010 年 1 月 1 日到 2021 年 12 月 31 日所有天数的日期数据集。然后，我们将数据按年份进行分组，并使用 Pandas 的 `groupby` 方法按月份进行再分组。最后，我们统计每个月的天数并将结果保存到一个字典中。

输出结果如下：

{
 '2010': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2011': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2012': [31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2013': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2014': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2015': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2016': [31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2017': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2018': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2019': [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2020': [31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31],
 '2021': [31, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31, 0]
}

其中，键值为年份，值为一个列表，表示该年份每个月的天数。需要注意的是，最后一个月的天数可能为 0，因为我们指定的日期范围不一定刚好到某个月的最后一天。