如何用Pandas按分组列逐月计算累计值？

问题背景 #

给定如下数据集，需要按月份展示所有AA前缀ID的累计值，期望结果是每月的累计总和（而非单个ID的组内累计）：

数据集 #

from io import StringIO
import pandas as pd

df = pd.read_csv(StringIO("""
ID      val Date
AA:1    1   4/1/2022
AA:1    2   4/3/2022
AA:2    3   5/1/2022
AA:3    5   6/5/2022
AA:4    5   1/1/2023"""), sep='\s+')

期望结果 #

ID  val  Date   
AA  3   4/1/2022
AA  6   5/1/2022
AA  11  6/1/2022
AA  16  1/1/2023

当前代码问题 #

当前尝试的代码是按单个具体ID（如AA:1）+ 月份分组计算组内累计，这和需求的「全局所有AA类ID的月度累计」不符：

# 转换日期格式
df['Date'] = pd.to_datetime(df['Date'])

# 按ID和月份分组，计算累计和
df['Cumulative_Value'] = df.groupby([df['ID'], df['Date'].dt.to_period('M')])['val'].cumsum()

正确解决方案 #

需要先统一ID前缀，再按月份汇总当月总和，最后计算全局累计：

from io import StringIO
import pandas as pd

df = pd.read_csv(StringIO("""
ID      val Date
AA:1    1   4/1/2022
AA:1    2   4/3/2022
AA:2    3   5/1/2022
AA:3    5   6/5/2022
AA:4    5   1/1/2023"""), sep='\s+')

# 1. 提取ID的统一前缀（去掉冒号后的部分）
df['ID'] = df['ID'].str.split(':').str[0]

# 2. 转换日期并统一为当月第一天，匹配期望格式
df['Date'] = pd.to_datetime(df['Date']).dt.to_period('M').dt.start_time

# 3. 按ID和月份分组，计算当月val总和
monthly_sum = df.groupby(['ID', 'Date'])['val'].sum().reset_index()

# 4. 计算全局累计值
monthly_sum['val'] = monthly_sum['val'].cumsum()

# 输出结果
print(monthly_sum)

代码说明 #

• 步骤1：将AA:1、AA:2等ID统一为AA，确保所有同前缀的记录合并计算
• 步骤2：把日期转换为当月第一天，和期望结果的日期格式对齐
• 步骤3：按月份汇总当月所有val的总和（比如4月的1+2=3）
• 步骤4：对月度总和做累计计算（3→3+3=6→6+5=11→11+5=16）

运行后将得到与期望一致的输出：

ID       Date  val
0  AA 2022-04-01    3
1  AA 2022-05-01    6
2  AA 2022-06-01   11
3  AA 2023-01-01   16

内容的提问来源于stack exchange，提问作者Lynn