利用python统计一个datetime64[ns]数据集中，各个年份不同月份的天数。

好的，针对您的问题，可以通过以下步骤实现：

1. 首先，需要将 datetime64[ns] 数据类型转换为 Python 的 datetime.date 数据类型，以便进行日期计算。

2. 使用 Pandas 数据分析库来读取数据集，并将 datetime64[ns] 数据列转换为 Python datetime.date 数据类型。

3. 使用 Pandas 数据框的 groupby 方法，按年份和月份对数据进行分组。

4. 对每个年份和月份的数据组，计算该月份的天数。

5. 将结果保存到 Pandas 数据框中，并输出到屏幕或保存为文件。

以下是具体实现代码：

import pandas as pd
from datetime import datetime

# 读取数据集
df = pd.read_csv('data.csv')

# 将 datetime64[ns] 数据转换为 Python datetime.date 类型
df['date'] = pd.to_datetime(df['date']).dt.date

# 按年份和月份对数据进行分组
groups = df.groupby([df['date'].dt.year, df['date'].dt.month])

# 计算每个月份的天数并保存到 Pandas 数据框中
results = pd.DataFrame(columns=['year', 'month', 'days'])
for name, group in groups:
    year, month = name
    days = (datetime(year, month + 1, 1) - datetime(year, month, 1)).days
    results = results.append({'year': year, 'month': month, 'days': days}, ignore_index=True)

# 输出结果
print(results)

注意：在以上代码中，我们使用了 Python 自带的 datetime 模块计算月份的天数。这里没有使用 calendar 模块中的 monthrange 方法，是因为 monthrange 方法需要输入年份和月份，而我们已经按年份和月份将数据分组，因此直接使用 datetime 模块更为方便。