如何用Pandas在单行代码中完成多步数据处理操作？

直接用Pandas的链式调用可以把所有步骤合并为一行，同时修正原代码里的几处小问题（比如列名大小写不一致、变量名错误、求和列名错误）：

final_df = (
    df[['transaction Date', 'amount', 'distance']]
    .assign(**{'transaction Date': pd.to_datetime(df['transaction Date'], unit='D', origin='1899-12-30')})
    .query('distance.notnull() and `transaction Date` > "2021-01-01"')
    .groupby(pd.Grouper(key='transaction Date', freq='W'))['amount']
    .sum()
)

各步骤对应说明： #

• 筛选列：df[['transaction Date', 'amount', 'distance']] 对应原步骤1，保留需要的三列
• 转换日期格式：用.assign()方法替换原日期列，对应原步骤2，解决Excel日期转标准格式的问题
• 过滤数据：用.query()替代布尔索引，写法更简洁，对应原步骤3的双条件过滤
• 按周分组求和：直接链式调用groupby()和sum()，这里把原代码中不存在的'values'改为实际存在的'amount'，对应原步骤4

如果喜欢更紧凑的单行写法（不换行）：

final_df = df[['transaction Date', 'amount', 'distance']].assign(**{'transaction Date': pd.to_datetime(df['transaction Date'], unit='D', origin='1899-12-30')}).query('distance.notnull() and `transaction Date` > "2021-01-01"').groupby(pd.Grouper(key='transaction Date', freq='W'))['amount'].sum()

内容的提问来源于stack exchange，提问作者Valentin Galardi