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

时间: 2023-06-09 20:07:25 浏览: 42
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: ```python 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: ```python { '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。

相关推荐

最新推荐

recommend-type

python3实现往mysql中插入datetime类型的数据

主要介绍了python3实现往mysql中插入datetime类型的数据,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

mysql取得datetime类型的数据,后面会跟个.0的实现方法

下面小编就为大家带来一篇mysql取得datetime类型的数据,后面会跟个.0的实现方法。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

利用python对excel中一列的时间数据更改格式操作

问题场景:需要将下列的交期一列的数据格式更改成2019/05/10 存货编码 尺寸 数量 交期 0 K10Y0190000X B140 200 2019-05-10 00:00:00 1 K10Y0190000X B150 200 2019-05-10 00:00:00 2 K10Y0190000X B165 100 2019...
recommend-type

python中时间转换datetime和pd.to_datetime详析

主要给大家介绍了关于python中时间转换datetime和pd.to_datetime的相关资料,文中通过示例代码介绍的非常详细,对大家学习或者使用python具有一定的参考学习价值,需要的朋友们下面来一起学习学习吧
recommend-type

Python实现的当前时间多加一天、一小时、一分钟操作示例

主要介绍了Python实现的当前时间多加一天、一小时、一分钟操作,结合实例形式分析了Python基于datetime模块进行日期时间操作相关使用技巧,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。