如何将Pandas透视表日期列按年月分组并排除当前月份？

步骤1：确保日期列是datetime类型 #

如果你的order_date还不是datetime格式，先转换：

import pandas as pd
df['order_date'] = pd.to_datetime(df['order_date'])

步骤2：生成原始透视表 #

执行你提供的代码生成透视表：

pivot = df.query('brand_name == "ishin"').pivot_table(
    index="channel_name",
    columns="order_date",
    values="qty",
    aggfunc="sum",
    fill_value=0,
    margins=False
)

步骤3：拆分并处理列 #

定义「当前月份」

有两种常见定义方式，选其一即可：

• 方式1：使用系统当前时间的月份

  current_month = pd.Timestamp.now().to_period('M')
  

• 方式2：使用数据中最新日期的月份（如果业务中的「当前」指数据内最新月份）

  current_month = pivot.columns.max().to_period('M')
  

分离当前月份列与其他列

# 筛选当前月份的日期列
current_month_cols = pivot.columns[pivot.columns.to_period('M') == current_month]
# 筛选非当前月份的日期列
other_cols = pivot.columns[pivot.columns.to_period('M') != current_month]

对非当前月份列按年月分组求和

将非当前月份的列按「月份全称-年份」（如April-2023）分组，聚合求和：

# 分组求和，并重命名列格式
other_grouped = pivot[other_cols].groupby(
    lambda x: x.strftime('%B-%Y'), axis=1
).sum()
# 如果需要月份缩写（如Apr-2023），替换为 '%b-%Y'

合并结果

将当前月份的原始日期列和分组后的年月列合并：

result = pd.concat([pivot[current_month_cols], other_grouped], axis=1)
# 可选：按时间顺序排序列
result = result.reindex(columns=sorted(result.columns, key=lambda x: pd.to_datetime(x) if '-' in x else x))

说明 #

• to_period('M')将日期转换为年月周期，便于快速匹配当前月份
• 分组时的lambda函数负责将日期格式化为指定的年月字符串
• 合并后的结果既保留了当前月份的每日数据，又将历史月份的数据聚合为年月维度

内容的提问来源于stack exchange，提问作者Manas Ranjan