Python数据分析：如何找出数据集每月最高销售额

• 第一步：确保日期列是datetime类型
  先检查SaleDate的数据类型，如果是字符串格式，先转换为datetime类型，这是按时间维度分组的基础：

  df['SaleDate'] = pd.to_datetime(df['SaleDate'])
  

• 第二步：按月份维度分组（核心修正点）
  你之前直接按原始SaleDate分组，会默认按完整日期（精确到天）聚合，所以得到的是每日最高。要改为按年月维度分组，有两种常用方式：

  • 方式1：生成年月周期列（如2023-05），可读性强，适合后续绘图标注

    # 添加年月分组列
    df['YearMonth'] = df['SaleDate'].dt.to_period('M')
    # 按年月分组取最高销售额
    monthly_max = df.groupby('YearMonth', as_index=False)['SalePrice'].max()
    

  • 方式2：拆分年份和月份分别分组，适合需要单独使用年、月字段的场景

    # 直接按年、月分组
    monthly_max = df.groupby(
        [df['SaleDate'].dt.year, df['SaleDate'].dt.month], 
        as_index=False
    )['SalePrice'].max()
    # 重命名分组列让结果更清晰
    monthly_max.rename(columns={'SaleDate_year': 'Year', 'SaleDate_month': 'Month'}, inplace=True)
    

• 第三步：获取最高销售额对应的完整记录
  如果需要的不只是销售额数值，而是该月最高销售额对应的整行数据（比如具体销售日期、关联的其他字段），可以用transform方法匹配：

  # 标记每行是否为当月最高销售额
  df['IsMonthlyMax'] = df['SalePrice'] == df.groupby(df['SaleDate'].dt.to_period('M'))['SalePrice'].transform('max')
  # 筛选出所有当月最高的行
  monthly_max_rows = df[df['IsMonthlyMax']]
  

• 额外提示

  • 若SaleDate包含时间戳（如2023-05-20 16:30:00），转换为datetime后提取月份不受时间部分影响
  • 制作堆叠柱状图时，用dt.to_period('M')生成的年月列默认是有序的，能保证图表的时间顺序正确

内容的提问来源于stack exchange，提问作者Jordan Hart-Bryan