如何用数据透视表按15点-次日15点时段汇总交易金额？

不管用Excel数据透视表还是Python，核心逻辑都是通过调整交易时间生成统一的分组标识，把属于同一跨天时段的交易归到同一组，再汇总总额。以下是两种场景的最简方法：

一、Excel（用数据透视表实现） #

步骤1：新增辅助列生成分组日期 #

在表格新增一列（比如列C，命名为「分组日期」），在C2单元格输入公式：

=INT(A2 - TIME(15,0,0))

按回车后下拉填充整列。这个公式的作用是：

• 把交易时间减去15小时，再取日期整数部分
• 对应关系示例：
  • 2023-11-27 17:25 → 减15小时后为2023-11-27 02:25 → 分组日期为2023-11-27（对应时段：2023-11-27 15:00 ~ 2023-11-28 15:00）
  • 2023-11-27 09:29 → 减15小时后为2023-11-26 18:29 → 分组日期为2023-11-26（对应时段：2023-11-26 15:00 ~ 2023-11-27 15:00）

步骤2：用数据透视表汇总 #

1. 选中整个数据区域（包括辅助列），点击「插入」→「数据透视表」
2. 在数据透视表字段面板：
   • 将「分组日期」拖到「行」区域
   • 将「Transaction total」拖到「值」区域，确保汇总方式为「求和」
3. 最终结果与你的示例完全匹配：
   • 2023-11-25 → $10.00（组1）
   • 2023-11-26 → $17.00（组2）
   • 2023-11-27 → $8.00（组3）

二、Python（适合大数据量批量处理） #

用Pandas库快速实现，逻辑和Excel一致：

步骤1：读取并预处理数据 #

import pandas as pd

# 读取数据（支持Excel/CSV等格式）
df = pd.read_excel("交易记录表.xlsx")

# 转换日期时间格式，清理交易金额（去掉$符号转数值）
df["Date & Time"] = pd.to_datetime(df["Date & Time"])
df["Transaction total"] = df["Transaction total"].str.replace("$", "").astype(float)

步骤2：生成分组日期并汇总 #

# 生成分组日期：交易时间减15小时后提取日期部分
df["分组日期"] = (df["Date & Time"] - pd.Timedelta(hours=15)).dt.date

# 分组求和，格式化结果为带$的字符串
summary = df.groupby("分组日期")["Transaction total"].sum().reset_index()
summary["Transaction total"] = summary["Transaction total"].apply(lambda x: f"${x:.2f}")

# 输出结果
print(summary)

运行后输出：

内容的提问来源于stack exchange，提问作者Oliveleek