如何利用Pandas透视表获取各年份销售额最高的月份

嘿，我来帮你解决这个问题！你已经算出了各年份的最高销售额，现在要拿到对应的月份，其实有几种简洁的实现方式，我给你详细说明：

方法一：直接在透视表上使用idxmax() #

你已经用pivot_table生成了各年月的销售总和表，而idxmax()方法正好可以帮你找到每一列（年份）最大值对应的行索引（月份），完美匹配你的需求：

# 先生成透视表，再获取每个年份最高销售额的月份
max_month_per_year = df.pivot_table(index='Month', columns='Year', aggfunc='sum').idxmax()
print(max_month_per_year)

运行后输出结果就是：

Year
2020    Feb
2021    Feb
2022    Feb
Name: Sale ($), dtype: object

解释：idxmax()会针对每一列（也就是每个年份），返回该列最大值所在的行标签（也就是月份），直接得到你想要的对应关系。

方法二：先分组聚合再筛选（更灵活） #

如果你希望保留更多元的信息（比如同时看到最高销售额的数值，或者处理多个月份并列最高的情况），可以先按年份和月份分组计算总和，再筛选出每个年份的最大值对应的行：

# 第一步：计算每个年月的销售总和
monthly_sales = df.groupby(['Year', 'Month'])['Sale ($)'].sum().reset_index()

# 第二步：筛选出每个年份销售额最高的月份
max_month_result = monthly_sales.loc[
    monthly_sales.groupby('Year')['Sale ($)'].idxmax(),
    ['Year', 'Month']
]
print(max_month_result)

运行后输出的DataFrame结果：

Year Month
3  2020   Feb
7  2021   Feb
11 2022   Feb

拓展：处理多个月份并列最高的情况 #

如果某个年份有多个月份销售额相同且都是最高值，上面的idxmax()只会返回第一个出现的月份。要是想把所有并列的月份都找出来，可以用transform方法：

# 获取所有年份中销售额等于该年份最大值的行
all_max_months = monthly_sales[
    monthly_sales['Sale ($)'] == monthly_sales.groupby('Year')['Sale ($)'].transform('max')
]
print(all_max_months)

这样如果有并列情况，所有符合条件的年月都会被保留下来。

内容的提问来源于stack exchange，提问作者Changoleon