如何按年月对DataFrame数据求和并生成指定格式透视表

可以使用 Pandas 的日期处理与透视表功能实现需求，步骤如下：

1. 转换日期格式 #

首先确保 DATE 列是 datetime 类型：

import pandas as pd

# 转换DATE列为datetime格式
df['DATE'] = pd.to_datetime(df['DATE'])

2. 提取年份和月份名称 #

从日期中提取年份和月份全称：

# 提取年份
df['year'] = df['DATE'].dt.year
# 提取月份名称（如January、February）
df['month'] = df['DATE'].dt.month_name()

3. 生成目标透视表 #

按年份和月份分组求和，再转换为行列交叉的格式：

# 分组计算月度总和并转为透视表，缺失值填充为0
result = df.groupby(['year', 'month'])['X.'].sum().unstack(fill_value=0)

# 强制月份按自然顺序排列
month_order = ['January', 'February', 'March', 'April', 'May', 'June', 
               'July', 'August', 'September', 'October', 'November', 'December']
result = result.reindex(columns=month_order)

结果示例 #

处理后的数据表结构如下：

关键说明 #

• groupby(['year', 'month'])['X.'].sum()：计算每个年份-月份组合的X.列总和
• unstack(fill_value=0)：将行索引中的月份转为列，缺失的月份值填充为0
• reindex：确保月份按从一月到十二月的自然顺序排列

内容的提问来源于stack exchange，提问作者Jacques Tebeka