会计月份划分及各会计月销售涨幅最高区域表生成问题求助

1. 正确计算会计月 #

首先确保日期列是datetime类型，然后根据日期的日部分判断所属会计月：如果日期在当月1-14日，归属到上月会计月；15日及以后归属到当月会计月，最后格式化为示例中的MMM'YY格式。

代码实现 #

import pandas as pd
import numpy as np

# 转换日期列为datetime类型（匹配输入的日-月-年格式）
df['Date'] = pd.to_datetime(df['Date'], format='%d-%m-%Y')

# 计算会计月
df['Accounting Month'] = np.where(
    df['Date'].dt.day < 15,
    # 1-14日：归属上月会计月
    df['Date'] - pd.DateOffset(months=1),
    # 15日及以后：归属当月会计月
    df['Date']
).dt.strftime("%b'%y")

测试示例数据 #

运行后会得到和示例完全一致的结果：

原代码问题说明 #

你之前的代码df['Date'] + pd.offsets.MonthBegin(-1) + pd.DateOffset(days=14)逻辑错误：

• 它是给日期先回退到上月初再加14天，得到的是会计月的起始日期，但没有正确判断日期所属的会计月标识
• 对于1-14日的日期，应该归属上月会计月，而非生成一个中间日期

2. 生成每个会计月销售百分比变化最高的区域表格 #

假设你的数据包含Sales列（销售额），我们需要先计算区域月度销售，再计算环比变化，最后提取每个会计月的最高变化区域。

代码实现 #

# 1. 按会计月+区域分组，计算月度销售总额
monthly_sales = df.groupby(['Accounting Month', 'Region'])['Sales'].sum().reset_index()

# 2. 按区域计算环比销售百分比变化（*100转为百分比格式）
monthly_sales['Sales Pct Change'] = monthly_sales.groupby('Region')['Sales'].pct_change() * 100

# 3. 提取每个会计月中销售百分比变化最高的区域
top_regions = monthly_sales.groupby('Accounting Month').apply(
    lambda x: x.loc[x['Sales Pct Change'].idxmax()]
).reset_index(drop=True)

# 输出markdown格式的结果表格
print(top_regions[['Accounting Month', 'Region', 'Sales Pct Change']].to_markdown(index=False))

输出示例（模拟数据） #

内容的提问来源于stack exchange，提问作者Harish reddy