Python - 按月分组日期

Question

这是一个快速的问题，我起初认为这很容易。 一个小时，我不太确定！
所以，我有一个Python datetime对象列表，我想绘制它们。 x值是年和月，y值是此列表中本月发生的日期对象的数量。
也许一个例子会更好地证明这一点（dd / mm / yyyy）：

[28/02/2018, 01/03/2018, 16/03/2018, 17/05/2018] 
-> ([02/2018, 03/2018, 04/2018, 05/2018], [1, 2, 0, 1])

我的第一次尝试尝试按日期和年份分组，方法如下：

import itertools
group = itertools.groupby(dates, lambda date: date.strftime("%b/%Y"))
graph = zip(*[(k, len(list(v)) for k, v in group]) # format the data for graphing

正如您可能已经注意到的那样，这只会按列表中已存在的日期进行分组。 在我上面的例子中，4月份没有发生日期的事实会被忽视。

接下来，我尝试查找开始日期和结束日期，并在它们之间循环：

import datetime
data = [[], [],]
for year in range(min_date.year, max_date.year):
    for month in range(min_date.month, max_date.month):
        k = datetime.datetime(year=year, month=month, day=1).strftime("%b/%Y")
        v = sum([1 for date in dates if date.strftime("%b/%Y") == k])
        data[0].append(k)
        data[1].append(v)

当然，这只有在min_date.month小于max_date.month ，如果它们跨越多年，则不一定如此。 而且，它非常难看。

这样做有一种优雅的方式吗？
提前致谢

编辑 ：要清楚，日期是datetime对象，而不是字符串。 为了便于阅读，它们在这里看起来像字符串。

Answer 1

我建议使用pandas ：

import pandas as pd

dates = ['28/02/2018', '01/03/2018', '16/03/2018', '17/05/2018'] 

s = pd.to_datetime(pd.Series(dates), format='%d/%m/%Y')
s.index = s.dt.to_period('m')
s = s.groupby(level=0).size()

s = s.reindex(pd.period_range(s.index.min(), s.index.max(), freq='m'), fill_value=0)
print (s)
2018-02    1
2018-03    2
2018-04    0
2018-05    1
Freq: M, dtype: int64

s.plot.bar()

说明：

1. 首先从date列表中创建Series并转换为to_datetime 。
2. 创建PeriodIndex通过Series.dt.to_period
3. groupby by index（ level=0 ）并通过GroupBy.size获取计数
4. 通过由PeriodIndex的最大值和最小值创建的Series.reindex通过PeriodIndex添加缺失的句点
5. 最后一个图，例如条形图 - Series.plot.bar

Answer 2

使用计数器

dates = list()
import random
import collections

for y in range(2015,2019):
  for m in range(1,13):
    for i in range(random.randint(1,4)):
      dates.append("{}/{}".format(m,y))

print(dates)
counter = collections.Counter(dates)
print(counter)

对于没有出现日期的问题你可以使用Counter的subtract方法生成一个包含所有日期范围的列表，每个日期只出现在列表上一次，然后你可以使用减法这样的

tmp_date_list = ["{}/{}".format(m,y) for y in range(2015,2019) for m in range(1,13)]
counter.subtract(tmp_date_list)