如何在Python的Pandas中获取年初至今（YTD）数据？

数据预处理 #

首先确保日期列是datetime类型，这是后续时间操作的基础：

import pandas as pd
import matplotlib.pyplot as plt

# 加载本地数据集
df = pd.read_csv('superstore_dataset_final.csv')
# 转换日期列为datetime格式
df['date'] = pd.to_datetime(df['date'])

计算单年份YTD销量 #

如果只需要某一年的年初至今数据（比如最新年份）：

# 取数据中的最新年份
target_year = df['date'].dt.year.max()
# 筛选该年份的数据
year_data = df[df['date'].dt.year == target_year].copy()

# 按日期排序，先聚合每日总销量（避免同一天多条记录重复计算）
daily_sales = year_data.groupby(year_data['date'].dt.date)['Sales'].sum().reset_index()
# 计算YTD累计销量
daily_sales['ytd_sales'] = daily_sales['Sales'].cumsum()

计算多年份YTD对比数据 #

如果需要对比不同年份的同期YTD累计销量：

# 提取月日作为统一的日期标识（忽略年份）
df['month_day'] = df['date'].dt.strftime('%m-%d')

# 按年份和月日分组计算每日销量，再按年份累计得到YTD数据
ytd_by_year = df.groupby([df['date'].dt.year, 'month_day'])['Sales'].sum()
ytd_by_year = ytd_by_year.groupby(level=0).cumsum().unstack(level=0)

绘制柱状图 #

单年份销量与YTD累计图

plt.figure(figsize=(12, 6))
# 每日销量柱状图
plt.bar(daily_sales['date'], daily_sales['Sales'], alpha=0.7, label='每日销量')
# YTD累计销量折线图
plt.plot(daily_sales['date'], daily_sales['ytd_sales'], color='#ff4444', linewidth=2, label='YTD累计销量')

plt.xlabel('日期')
plt.ylabel('销量')
plt.title(f'{target_year}年年初至今销量统计')
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()

多年份YTD累计对比柱状图

plt.figure(figsize=(12, 6))
ytd_by_year.plot(kind='bar', ax=plt.gca())

plt.xlabel('月日')
plt.ylabel('YTD累计销量')
plt.title('各年份年初至今累计销量对比')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

你的原代码问题说明 #

• 分组顺序错误：应该先按年份，再按月日，否则unstack后的数据结构会混乱，无法正确累计
• 列名错误：你用了distance.sum()，但该数据集的销量列是Sales
• 累计逻辑错误：需要按年份分组后再执行cumsum()，否则会跨年份累计

内容的提问来源于stack exchange，提问作者John Shecut