如何使用Pandas按月份和费用类别自动化汇总支出数据？

核心思路 #

无需逐个指定费用列名，通过**排除前两列（Name、Month）**自动识别所有费用类别列，再按月份分组求和即可实现自动化汇总。

完整代码实现 #

import pandas as pd

# 创建示例数据集
data = {'Name': ['Tom', 'Nick','Jack', 'Tom', 'Nick','Jack', 'Tom', 'Nick','Jack'],
        'Month': ['01', '01', '01', '02', '02', '02', '03', '03', '03'],
        'Super':[52, 25, 125, 40, 35, 90, 42, 29, 88], 
       'travel':[32, 18, 41, 23, None, 45, 28, 21, 76], 
       'bar':  [24, 12, 38, 14, 9, None, 28, 9, 22]}

df = pd.DataFrame(data)

# 自动识别所有费用类别列（排除Name和Month）
# 若需保留原DataFrame中费用列的顺序，使用df.columns.drop(['Name', 'Month'])
expense_cols = df.columns.difference(['Name', 'Month'])

# 按月份分组，对费用列求和（自动忽略NaN值）
monthly_total = df.groupby('Month')[expense_cols].sum()

# 输出结果
print(monthly_total)

代码说明 #

1. 自动识别费用列：

   • df.columns.difference(['Name', 'Month'])：返回除Name、Month外的所有列，无论费用类别有多少个（比如你实际的22个），都能自动适配，无需手动列名。
   • 若需要保持费用列与原DataFrame一致的顺序，替换为df.columns.drop(['Name', 'Month'])即可。

2. 分组求和：

   • groupby('Month')：按月份对数据分组。
   • .sum()：对每个分组内的费用列求和，自动忽略数据中的None（即pandas中的NaN值），不影响总和计算。

示例输出 #

Super  bar  travel
Month                    
01       202   74      91
02       165   23      68
03       159   59     125

内容的提问来源于stack exchange，提问作者SAJ