要按时间序列的月份获取平均值，我们可以使用Python中的pandas库来处理和分析时间序列数据。以下是一个示例代码，演示了如何使用pandas来计算每个月份的平均值：

import pandas as pd

# 创建一个包含时间序列数据的DataFrame
data = {'date': ['2021-01-01', '2021-01-02', '2021-02-01', '2021-02-02', '2021-03-01', '2021-03-02'],
        'value': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)

# 将日期列转换为pandas的日期时间格式
df['date'] = pd.to_datetime(df['date'])

# 设置日期列为DataFrame的索引
df.set_index('date', inplace=True)

# 按月份对数据进行分组，并计算每个月份的平均值
monthly_avg = df.resample('M').mean()

print(monthly_avg)

输出结果将是每个月份的平均值：

            value
date             
2021-01-31     15
2021-02-28     35
2021-03-31     55

在示例代码中，我们首先创建一个包含日期和数值的字典，并将其转换为DataFrame。然后，我们使用pd.to_datetime函数将日期列转换为pandas的日期时间格式，并使用set_index函数将日期列设置为DataFrame的索引。接下来，我们使用resample函数按月份对数据进行分组，并使用mean函数计算每个月份的平均值。最后，我们打印输出结果。