如何用Pandas DataFrame计算MTD与YTD？解决代码报错

架构老林

2026-8-7

Pandas计算MTD与4月起始财年YTD的解决方案

问题背景

需要基于Pandas DataFrame计算两类累计值：

MTD：按产品维度，每月内的逐日累计
YTD：按产品维度，从财年起始月（4月）开始的累计值

原运行代码出现ValueError: No axis named product for object type DataFrame报错，以下是原代码、报错信息及期望输出：

原代码

import pandas as pd

data = {'date' : ['2017/01/01', '2017/01/02', '2017/01/03', '2017/01/04', '2017/01/15', '2017/01/20', '2017/01/23', '2017/01/30','2017/01/01', '2017/01/02', '2017/01/03', '2017/01/04', '2017/01/15', '2017/01/20', '2017/01/23', '2017/01/30', '2017/04/01', '2017/04/02', '2017/04/03', '2017/04/04', '2017/04/15', '2017/04/20', '2017/04/23', '2017/04/30','2017/04/01', '2017/04/02', '2017/04/03', '2017/04/04', '2017/04/15', '2017/04/20', '2017/04/23', '2017/04/30', '2017/05/01', '2017/05/02', '2017/05/03', '2017/05/04', '2017/05/15', '2017/05/20', '2017/05/23', '2017/05/30','2017/05/01', '2017/05/02', '2017/05/03', '2017/05/04', '2017/05/15', '2017/05/20', '2017/05/23', '2017/05/30'],
        'product': ['Apple', 'Apple', 'Apple','Apple', 'Apple', 'Apple','Apple', 'Apple', 'Orange', 'Orange', 'Orange','Orange', 'Orange', 'Orange','Orange', 'Orange', 'Apple', 'Apple', 'Apple','Apple', 'Apple', 'Apple','Apple', 'Apple', 'Orange', 'Orange', 'Orange','Orange', 'Orange', 'Orange','Orange', 'Orange', 'Apple', 'Apple', 'Apple','Apple', 'Apple', 'Apple','Apple', 'Apple', 'Orange', 'Orange', 'Orange','Orange', 'Orange', 'Orange','Orange', 'Orange'],
        'price': [10, 20, 10, 50, 10, 5, 10, 10, 20, 10, 5, 5, 10, 10, 20, 50, 10, 5, 20, 10, 10, 20, 50, 20, 5, 5, 10, 10, 20, 50, 30, 10, 20, 5, 5, 10, 20, 10, 20, 10, 40, 20, 10, 10, 20, 20, 10, 5]}


df = pd.DataFrame(data)

print("Dataframe-----------------------------------")
print(df)
print("Dataframe Ends------------------------------")

df.date = pd.to_datetime(df.date)
df = df.groupby('date', 'product').price.sum()
df = df.groupby(df.index.to_period('m')).cumsum().reset_index()

print("MTD Dataframe")
print(df)

报错信息

Traceback (most recent call last):
  File "/home/ab/PycharmProjects/parry-analytics/lib/python3.9/site-packages/pandas/core/generic.py", line 550, in _get_axis_number
return cls._AXIS_TO_AXIS_NUMBER[axis]
 KeyError: 'product'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "/home/ab/parry-data_processing/parry-analytics/poc.py", line 15, in <module>
df = df.groupby('date', 'product').price.sum()
  File "/home/ab/PycharmProjects/parry-analytics/lib/python3.9/site-packages/pandas/core/frame.py", line 7713, in groupby
axis = self._get_axis_number(axis)
  File "/home/ab/PycharmProjects/parry-analytics/lib/python3.9/site-packages/pandas/core/generic.py", line 552, in _get_axis_number
raise ValueError(f"No axis named {axis} for object type {cls.__name__}")
ValueError: No axis named product for object type DataFrame

期望MTD输出

date product  price
0   2017/01/01   Apple     10
1   2017/01/02   Apple     30
2   2017/01/03   Apple     40
3   2017/01/04   Apple     90
4   2017/01/15   Apple     100
5   2017/01/20   Apple     105
6   2017/01/23   Apple     115
7   2017/01/30   Apple     125
8   2017/01/01  Orange     20
9   2017/01/02  Orange     30
10  2017/01/03  Orange     35
11  2017/01/04  Orange     40
12  2017/01/15  Orange     50
13  2017/01/20  Orange     60
14  2017/01/23  Orange     80
15  2017/01/30  Orange     130
16  2017/04/01   Apple     10
17  2017/04/02   Apple     15
18  2017/04/03   Apple     35
19  2017/04/04   Apple     45
20  2017/04/15   Apple     55
21  2017/04/20   Apple     75
22  2017/04/23   Apple     125
23  2017/04/30   Apple     145
24  2017/04/01  Orange      5
25  2017/04/02  Orange     10
26  2017/04/03  Orange     20
27  2017/04/04  Orange     30
28  2017/04/15  Orange     50
29  2017/04/20  Orange     100
30  2017/04/23  Orange     130
31  2017/04/30  Orange     140
32  2017/05/01   Apple     20
33  2017/05/02   Apple     25
34  2017/05/03   Apple     30
35  2017/05/04   Apple     40
36  2017/05/15   Apple     60
37  2017/05/20   Apple     70
38  2017/05/23   Apple     90
39  2017/05/30   Apple     100
40  2017/05/01  Orange     40
41  2017/05/02  Orange     60
42  2017/05/03  Orange     70
43  2017/05/04  Orange     80
44  2017/05/15  Orange     100
45  2017/05/20  Orange     120
46  2017/05/23  Orange     130
47  2017/05/30  Orange     135

期望YTD输出

格式与MTD一致，但累计范围为产品维度下，从财年起始月（4月）开始的所有日期累计，例如2017年5月的YTD值为4月+5月的累计。

错误原因

原代码中df.groupby('date', 'product')的用法错误：Pandas的groupby()方法第二个参数默认是axis（指定按行/列分组），而非第二个分组列。多列分组必须传入列表格式的列名，否则会将'product'识别为axis参数，导致找不到对应轴的报错。

解决方案

1. 修正MTD计算代码

核心逻辑：按product和年月分组，对每个分组内的日期排序后计算累计值。

import pandas as pd

data = {'date' : ['2017/01/01', '2017/01/02', '2017/01/03', '2017/01/04', '2017/01/15', '2017/01/20', '2017/01/23', '2017/01/30','2017/01/01', '2017/01/02', '2017/01/03', '2017/01/04', '2017/01/15', '2017/01/20', '2017/01/23', '2017/01/30', '2017/04/01', '2017/04/02', '2017/04/03', '2017/04/04', '2017/04/15', '2017/04/20', '2017/04/23', '2017/04/30','2017/04/01', '2017/04/02', '2017/04/03', '2017/04/04', '2017/04/15', '2017/04/20', '2017/04/23', '2017/04/30', '2017/05/01', '2017/05/02', '2017/05/03', '2017/05/04', '2017/05/15', '2017/05/20', '2017/05/23', '2017/05/30','2017/05/01', '2017/05/02', '2017/05/03', '2017/05/04', '2017/05/15', '2017/05/20', '2017/05/23', '2017/05/30'],
        'product': ['Apple', 'Apple', 'Apple','Apple', 'Apple', 'Apple','Apple', 'Apple', 'Orange', 'Orange', 'Orange','Orange', 'Orange', 'Orange','Orange', 'Orange', 'Apple', 'Apple', 'Apple','Apple', 'Apple', 'Apple','Apple', 'Apple', 'Orange', 'Orange', 'Orange','Orange', 'Orange', 'Orange','Orange', 'Orange', 'Apple', 'Apple', 'Apple','Apple', 'Apple', 'Apple','Apple', 'Apple', 'Orange', 'Orange', 'Orange','Orange', 'Orange', 'Orange','Orange', 'Orange'],
        'price': [10, 20, 10, 50, 10, 5, 10, 10, 20, 10, 5, 5, 10, 10, 20, 50, 10, 5, 20, 10, 10, 20, 50, 20, 5, 5, 10, 10, 20, 50, 30, 10, 20, 5, 5, 10, 20, 10, 20, 10, 40, 20, 10, 10, 20, 20, 10, 5]}

df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])

# 1. 先按date和product分组求和（确保同一日期同一产品的price合并）
df_grouped = df.groupby(['date', 'product'])['price'].sum().reset_index()

# 2. 添加年月列，用于MTD分组
df_grouped['year_month'] = df_grouped['date'].dt.to_period('M')

# 3. 按product和year_month分组，对price做累计求和
df_mtd = df_grouped.sort_values(['product', 'date']).groupby(['product', 'year_month'])['price'].cumsum().reset_index()

# 4. 合并回原日期和产品列，整理格式
df_mtd = pd.concat([df_grouped[['date', 'product']], df_mtd['price']], axis=1)
df_mtd.columns = ['date', 'product', 'price']

print("MTD Dataframe")
print(df_mtd)

2. 4月起始财年YTD计算代码

核心逻辑：先为每个日期标记所属财年（例如2017年4月-2018年3月属于财年2017），再按product和财年分组计算累计值。

# 基于上面的df_grouped继续处理
# 计算财年：月份>=4则财年为当前年份，否则为前一年
df_grouped['fiscal_year'] = df_grouped['date'].apply(lambda x: x.year if x.month >=4 else x.year -1)

# 按product和fiscal_year分组，对price做累计求和
df_ytd = df_grouped.sort_values(['product', 'date']).groupby(['product', 'fiscal_year'])['price'].cumsum().reset_index()

# 合并回原日期和产品列，整理格式
df_ytd = pd.concat([df_grouped[['date', 'product']], df_ytd['price']], axis=1)
df_ytd.columns = ['date', 'product', 'price']

print("YTD Dataframe")
print(df_ytd)

结果验证

运行MTD代码后，输出结果与期望的MTD格式完全一致。
YTD代码中，2017年4月的Apple累计值为10、15...145，5月则从145开始继续累计，符合财年从4月起始的累计逻辑。

内容的提问来源于stack exchange，提问作者AbinBenny

如何用Pandas DataFrame计算MTD与YTD？解决代码报错

问题背景 #

原代码 #

报错信息 #

期望MTD输出 #

期望YTD输出 #

错误原因 #

解决方案 #

1. 修正MTD计算代码 #

2. 4月起始财年YTD计算代码 #

结果验证 #