如何用Python合并相同年份数据并汇总对应全球销售额？

针对你的需求，用pandas的groupby完全可以实现，大概率是用法细节没处理对，下面给你具体的步骤和示例：

1. 先确认数据结构 #

假设你的数据是pandas DataFrame格式，包含Year（年份）和Global_Sales（全球销售额）两列（如果你的列名不同，替换成实际名称即可）。

2. 具体实现代码 #

首先导入pandas：

import pandas as pd

示例数据（可替换为你的真实数据）

data = {
    'Year': [2010, 2010, 2011, 2011, 2012],
    'Global_Sales': [100, 200, 150, 250, 300]
}
df = pd.DataFrame(data)

方法一：直接分组求和（最常用）

# 按年份分组，对全球销售额列求和，最后重置索引让结果更易读
yearly_total_sales = df.groupby('Year')['Global_Sales'].sum().reset_index()

方法二：使用aggregate方法

# 用字典指定要聚合的列和对应的函数
yearly_total_sales = df.groupby('Year').aggregate({'Global_Sales': 'sum'}).reset_index()

3. 常见问题排查 #

• 列名错误：检查Year和Global_Sales是否和你数据中的列名完全一致（注意大小写、空格）
• 数据类型问题：如果销售额列是字符串格式，先转成数值型：

  df['Global_Sales'] = pd.to_numeric(df['Global_Sales'], errors='coerce')
  

  （errors='coerce'会把无法转换的值转为NaN，后续可根据情况处理）

4. 查看结果 #

运行代码后打印结果，就能看到每年的总销售额：

print(yearly_total_sales)

输出示例：

Year  Global_Sales
0  2010           300
1  2011           400
2  2012           300

内容的提问来源于stack exchange，提问作者zhe