如何基于大型CSV文件按年份、月份统计销售总额？

我有一个包含17985行的大型CSV文件，记录不同日期的销售数据，数据格式如下：

Customer   Date        Sale
Larry      1/2/2018    20$
Mike       4/3/2020    40$
John       12/5/2017   10$
Sara       3/2/2020    90$
Charles    9/8/2022    75$

已通过以下代码统计每日销售次数：

occur = df.groupby(['Date']).size()
occur

结果示例：

2018-01-02     32
2018-01-03     31
2018-01-04     42
2018-01-05    192
2018-01-06     26

但统计月度销售总额时遇到问题，比如执行：

new_df['total_sales_that_month'] = df.groupby('Date')['Sale'].sum()

结果全为NaN：

0       NaN
1       NaN
2       NaN
3       NaN
4       NaN
         ..
17980   NaN
17981   NaN
17982   NaN
17983   NaN
17984   NaN

目前已通过dt.year和dt.month提取出年月信息，需要得到包含月份/年份/月度销售总额的DataFrame，期望输出：

Month   Year    Total_sale_that_month
1       2018      420$
2       2018      521$
3       2018      124$
4       2018      412$
5       2018      745$

1. 清理Sale列数据类型 #

Sale列带$符号无法直接求和，先清理转换：

import pandas as pd

# 移除$符号并转为浮点型
df['Sale'] = df['Sale'].str.replace('$', '').astype(float)

2. 确保Date列为日期类型 #

如果Date列尚未转为datetime格式，执行转换：

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

3. 按年月分组计算销售总额 #

提供两种可行实现方式：

方式一：提取年月字段后分组

# 提取年、月字段
df['Year'] = df['Date'].dt.year
df['Month'] = df['Date'].dt.month

# 按年、月分组求和
monthly_sales = df.groupby(['Year', 'Month'])['Sale'].sum().reset_index()

# 格式化销售总额并调整列结构
monthly_sales['Total_sale_that_month'] = monthly_sales['Sale'].apply(lambda x: f"{x}$")
monthly_sales = monthly_sales[['Month', 'Year', 'Total_sale_that_month']]

方式二：按月份周期直接分组

利用dt.to_period('M')直接按年月周期分组，代码更简洁：

# 按年月周期分组求和
monthly_sales = df.groupby(df['Date'].dt.to_period('M'))['Sale'].sum().reset_index()

# 拆分年、月字段
monthly_sales['Year'] = monthly_sales['Date'].dt.year
monthly_sales['Month'] = monthly_sales['Date'].dt.month

# 格式化总额并调整列顺序
monthly_sales['Total_sale_that_month'] = monthly_sales['Sale'].apply(lambda x: f"{x}$")
monthly_sales = monthly_sales[['Month', 'Year', 'Total_sale_that_month']]

4. 原代码NaN问题说明 #

之前的代码出现全NaN，是因为groupby('Date')后的结果索引是日期值，而new_df使用的是默认数字索引，两者无法匹配，导致赋值失败。通过reset_index()将分组结果转为普通DataFrame，即可避免该问题。

内容的提问来源于stack exchange，提问作者Vladzav