如何动态获取过去12个月销售数据以生成柱状图？

核心思路 #

放弃固定日期过滤，基于当前日期动态计算过去12个月的时间区间，这样每日更新数据时，过滤逻辑会自动适配最新的时间范围。以下以Python pandas（数据处理）+ matplotlib（绘图）为例，给出完整实现步骤：

步骤1：数据预处理与时间转换 #

首先确保日期字段是可识别的datetime类型，否则无法进行时间过滤：

import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

# 读取数据集（根据实际格式调整，比如Excel用pd.read_excel）
df = pd.read_csv('sales_data.csv')

# 将Order Date转换为datetime类型
df['Order Date'] = pd.to_datetime(df['Order Date'], format='%Y-%m-%d')

步骤2：动态计算时间范围 #

用当前日期往前推12个月，生成动态的起始日期：

# 获取当前日期，计算12个月前的日期（用pd.DateOffset处理闰年/不同月份天数更严谨）
current_date = datetime.today()
one_year_ago = current_date - pd.DateOffset(years=1)

步骤3：过滤数据并聚合统计 #

筛选出过去12个月的数据，再按Sub-Category分组统计销售数量：

# 过滤时间范围内的数据
filtered_df = df[df['Order Date'] >= one_year_ago]

# 按Sub-Category分组，统计销售数量（若需统计销售额总和，替换为sum('Sales')）
sales_stats = filtered_df.groupby('Sub-Category')['Order Date'].count().reset_index(name='Sales Quantity')

步骤4：生成自动更新的柱状图 #

基于统计结果绘制柱状图：

plt.figure(figsize=(10, 6))
plt.bar(sales_stats['Sub-Category'], sales_stats['Sales Quantity'], color='#2ecc71')
plt.title('过去12个月各Sub-Category销售数量')
plt.xlabel('产品子类别')
plt.ylabel('销售数量')
plt.xticks(rotation=45, ha='right')  # 旋转x轴标签避免重叠
plt.tight_layout()
plt.show()

数据库直接查询方案（如果数据存在数据库中） #

如果你的数据存储在SQL数据库中，可以直接在查询语句中实现动态过滤，避免在代码中处理：

-- MySQL示例
SELECT `Sub-Category`, COUNT(*) AS `Sales Quantity`
FROM sales_table
WHERE `Order Date` >= DATE_SUB(CURDATE(), INTERVAL 1 YEAR)
GROUP BY `Sub-Category`;

关键注意事项 #

• 确保Order Date字段是标准日期格式，否则时间过滤会失效；
• 使用pd.DateOffset(years=1)比timedelta(days=365)更准确，能自动处理闰年、2月等特殊情况；
• 若需统计销售额而非销售数量，将聚合逻辑从count()改为sum('Sales')即可。

内容的提问来源于stack exchange，提问作者JShec