如何按月份与concept列对Pandas DataFrame进行分组聚合

步骤1：确保日期列是datetime类型 #

你已经完成这一步，这里再明确完整初始化代码：

import pandas as pd

data={
 'date':['02/01/2023', '03/01/2023', '12/01/2023', '16/01/2023', '23/01/2023', '03/02/2023', '14/02/2023', '17/02/2023', '17/02/2023', '20/02/2023'],
'amount':[-2.6, -230.0, -9.32, -13.99, -12.99, -50.0, -5.84, -6.6, -11.95, -20.4],
'concept':['FOOD', 'REPAIR', 'HEALTH', 'NO CLASSIFIED', 'NO CLASSIFIED', 'REPAIR', 'FOOD', 'NO CLASSIFIED', 'FOOD', 'HEALTH']     
      }
df = pd.DataFrame(data)

# 转换日期格式，适配日/月/年的输入格式
df['date'] = pd.to_datetime(df['date'], dayfirst=True)

步骤2：按月份+Concept分组并求和 #

核心是提取日期的月份维度（而非完整日期）来分组，这里提供两种简洁实现方式：

方式一：利用周期类型分组

# 按月份周期（如2023-01）和concept分组，对amount求和
grouped_df = df.groupby([df['date'].dt.to_period('M'), 'concept'])['amount'].sum().reset_index()

# 将月份周期格式化为"Jan-23"样式
grouped_df['date'] = grouped_df['date'].dt.strftime('%b-%y')

# 同一月份仅显示一次，重复行留空
grouped_df['date'] = grouped_df['date'].mask(grouped_df['date'].duplicated(), '')

方式二：先提取月份字符串再分组

# 从日期中提取"Jan-23"格式的月份字符串
df['month'] = df['date'].dt.strftime('%b-%y')

# 按月份字符串和concept分组求和
grouped_df = df.groupby(['month', 'concept'])['amount'].sum().reset_index()

# 重命名列名为date
grouped_df.rename(columns={'month': 'date'}, inplace=True)

# 处理重复月份显示
grouped_df['date'] = grouped_df['date'].mask(grouped_df['date'].duplicated(), '')

最终结果 #

执行上述代码后，grouped_df的输出与你期望的格式完全一致：

内容的提问来源于stack exchange，提问作者nekovolta