数据框“日期时间”列初始状态是这样的

载入的数据框变量为df2，包含两列信息，分别是datee及aqi；前者代表日期时间，后者代表分析指标aqi。

df2的“日期时间”列的格式为“yyyy/m/d”，这种格式无法按年份或者按月份进行分组统计，开展后续的分析。

需要的最终状态是这样的

如图所示，需要产生新的列，分别是“year”、“month”列，最终的结果是图中所示的。

实现第1步：产生“year”列

这一步的实现有多种方法，这里采用最简单的方法，即取“datee”列（字符类型）的前四位字符，使用series.str[0:4]实现。

#载入库
import numpy as np
import pandas as pd

#增加列-年份：
df2['year']=df2['datee'].str[0:4]

实现第2步：将“datee”列的数据类型进行转换处理，否则无法进行下一步

#转换为日期时间格式
df2.datee=pd.to_datetime(df2.datee)

df2.datee
0      2014-01-01
1      2014-01-02
2      2014-01-03
3      2014-01-04
4      2014-01-05
          ...    
2842   2021-11-26
2843   2021-11-27
2844   2021-11-28
2845   2021-11-29
2846   2021-11-30
Name: datee, Length: 2847, dtype: datetime64[ns]

完成这一步后，“datee”列的格式虽然统一为“yyyy-mm-dd”格式，但是千万不要使用第一步的方法去提取部分字符串，否则一定会失败的，我尝试多次，最终发现了这点；根本原因在于：此时该列的格式已经不是字符类型了，不能这样操作。

实现第3步：使用循环语句生成月份信息，再产生数据框新列

#建立过渡变量
df2m=[]

#逐步填充过渡变量
for i in range(len(df2)):
				df2m.append(df2.datee[i].month)

#产生新列'month'
df2['month']=df2m

这是达到目的的最可靠方法，虽然使用了过渡变量，略显复杂，但还是能够达到目的。

虽然感觉很合逻辑，但是下面的代码是通不过的，这经过多次检验了的；还是尊重python的语法规律吧。

#先产生新列，用0填充
df2['month']=np.zeros((2847,1))

#对新列内容进行更新，不能成功的！！！
for i in range(len(df2)):
    df2['month'][i]=df2.datee[i].month