这里有一个稍微不同的方法：使用year和month来构建索引，然后使用一个UDF groupby()。在

示例数据：N = 10

years = pd.date_range("1981", "2017", freq="A").year

dates = np.random.choice(years, size=N, replace=True)

months = np.random.choice(range(1,13), size=N, replace=True)

inches = np.random.randint(1,20, size=N)

mm = np.random.randint(1,100, size=N)

data = {"year":dates, "month":months, "inch":inches, "mm":mm}

df = pd.DataFrame(data)

df

inch mm month year

0 19 31 12 1990

1 8 71 9 1986

2 5 85 2 2009

3 17 8 12 2005

4 10 14 12 1987

5 7 87 2 1982

6 8 59 2 2004

7 8 74 8 2016

8 5 6 6 1993

9 3 7 12 1982

现在根据年份进行子集并构建索引：

^{pr2}$

然后使用year和月份分隔函数groupby：def month_gb(x):

if x.month in range(3,6):

return 'MAM'

elif x.month in range(6,10):

return 'JJAS'

elif x.month in range(10,13):

return 'OND'

df.loc[mask].groupby(["year", month_gb]).mm.sum()

year

1987 OND 14

1990 OND 31

1993 JJAS 6

2005 OND 8

2016 JJAS 74

Name: mm, dtype: int64