Python按date和category分组多列求和结果异常

一、核心问题排查点 #

• 检查分组字段的一致性
  • 日期字段：确认是否包含时分秒（比如2024-05-20 14:30:00和2024-05-20会被判定为不同分组），需统一转换为纯日期格式（SQL用DATE(date_column)，Excel用TEXT(date_cell,"yyyy-mm-dd")或直接按日期分组）。
  • 类别字段：排查是否存在空格、大小写差异（比如"A"和" A"、"a"会被视为不同类别），用去空格、统一大小写处理（SQL用TRIM(category)+LOWER(category)，Excel用TRIM()函数）。
• 检查原始数据是否有重复行
  若原始数据存在重复记录，直接分组求和会重复计算，需先去重再处理（SQL用DISTINCT筛选唯一值，Excel用「数据-删除重复值」功能）。

二、不同工具的具体实现方案 #

1. SQL场景 #

假设数据表名为transactions，正确的分组求和语句如下：

SELECT
  DATE(date) AS group_date, -- 转换为纯日期消除时分秒干扰
  TRIM(category) AS group_category, -- 清理类别字段冗余空格
  SUM(Paid) AS total_paid,
  SUM(OS) AS total_os
FROM transactions
GROUP BY DATE(date), TRIM(category)
ORDER BY group_date, group_category;

若结果仍异常，可先查询分组维度的去重值，确认分组逻辑是否正确：

SELECT DISTINCT DATE(date), TRIM(category) FROM transactions;

2. Excel场景 #

优先使用数据透视表实现，避免手动函数出错：

• 选中全部数据，插入数据透视表
• 行区域拖入「日期」（右键日期字段→分组→按需选择年/月/日）和「类别」
• 值区域拖入「Paid」和「OS」，设置值汇总方式为「求和」
• 若用SUMIFS手动计算，需确保日期格式统一：

  =SUMIFS(Paid列, 日期列, DATE(2024,5,20), 类别列, "类别A")
  =SUMIFS(OS列, 日期列, DATE(2024,5,20), 类别列, "类别A")
  

三、结果验证方法 #

挑1-2个分组，手动对原始明细求和，和分组结果对比，快速定位是分组维度错误，还是数据本身存在重复/异常值。

内容的提问来源于stack exchange，提问作者Raghav