只需在写入模式下打开文件即可创建它。

with open('my_csv.csv', 'w'):
    pass

无论如何，我认为你不应该打开和关闭文件这么多次。你最好打开文件一次，写几次。

with open('my_csv.csv', 'w') as f:
    for EachMonth in MonthsInAnalysis:
        TheCurrentMonth = pd.read_csv('MonthlyDataSplit/Day/Day%s.csv' % EachMonth)
        MeanDailyTemperaturesForCurrentMonth = TheCurrentMonth.groupby('Day')['AirTemperature'].mean().reset_index(name='MeanDailyAirTemperature')
        df.to_csv(f, header=False)

创建一个空的csv文件就像下面这样简单

import pandas as pd

pd.DataFrame({}).to_csv("filename.csv")

我会这样做：首先将所有CSV文件（但仅限于您真正需要的列）读入一个DF，然后生成groupby(['Year','Month','Day']).mean()并将生成的DF保存到CSV文件中：

import glob
import pandas as pd

fmask = 'MonthlyDataSplit/Day/Day*.csv'
df = pd.concat((pd.read_csv(f, sep=',', usecols=['Year','Month','Day','AirTemperature']) for f in glob.glob(fmask)))
df.groupby(['Year','Month','Day']).mean().to_csv('my_csv.csv')

如果要忽略年份：

import glob
import pandas as pd

fmask = 'MonthlyDataSplit/Day/Day*.csv'
df = pd.concat((pd.read_csv(f, sep=',', usecols=['Month','Day','AirTemperature']) for f in glob.glob(fmask)))
df.groupby(['Month','Day']).mean().to_csv('my_csv.csv')

一些细节：

(pd.read_csv(f, sep=',', usecols=['Month','Day','AirTemperature']) for f in glob.glob('*.csv'))

将从所有CSV文件生成 Dataframe 元组

pd.concat(...)

将它们连接成一个DF

df.groupby(['Year','Month','Day']).mean()

将生成所需的报告作为 Dataframe ，该 Dataframe 可保存到新的CSV文件中：

.to_csv('my_csv.csv')

这个问题有点不清楚，但是假设你必须逐月迭代，并按规定应用groupby，只需用途：

#Before loops
 dflist=[]

然后在每个循环中执行以下操作：

dflist.append(MeanDailyTemperaturesForCurrentMonth)

然后在结尾处：

final_df = pd.concat([dflist], axis=1)

这将把所有数据加入一个 Dataframe 。
再看：
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.concat.html
http://pandas.pydata.org/pandas-docs/stable/merging.html

您可以这样做来创建一个空的CSV，并添加没有索引列的列。

import pandas as pd
df=pd.DataFrame(columns=["Col1","Col2","Col3"]).to_csv(filename.csv,index=False)