如何用Pandas按商品分组统计月度销量次数并计算平均值？

步骤说明与代码实现 #

1. 转换日期格式并提取月份全称
   首先需要将原始字符串格式的Date列转换为datetime类型，才能正确提取月份信息。注意你的日期格式是日-月-年，所以要指定dayfirst=True避免解析错误。

   import pandas as pd
   
   # 构造示例数据（模拟你的数据集）
   data = {
       'Date': ['01-01-2022', '05-01-2022', '10-02-2022', '15-02-2022', '20-01-2022', '25-02-2022'],
       'Item': ['iphone', 'iphone', 'iphone', 'macbook', 'macbook', 'macbook'],
       'Sales': ['$20', '$30', '$25', '$100', '$90', '$95']
   }
   df = pd.DataFrame(data)
   
   # 转换日期列并提取月份全称
   df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)
   df['Month'] = df['Date'].dt.month_name()
   

2. 透视表实现月份转列并统计销量次数
   使用pivot_table可以直接将Item作为行、Month作为列，同时统计每组的销量次数（用aggfunc='count'统计行数），fill_value=0填充无销量月份的空值。

   # 生成透视表
   result_df = pd.pivot_table(
       df,
       index='Item',
       columns='Month',
       values='Sales',
       aggfunc='count',
       fill_value=0
   )
   

3. 添加每行平均值列
   用mean(axis=1)计算每行（每个商品）的月均销量次数，保留两位小数提升可读性。

   # 添加Average列
   result_df['Average'] = result_df.mean(axis=1).round(2)
   

最终输出 #

运行上述代码后，你会得到如下格式的结果：

Month    January  February  Average
Item                               
iphone         2         1      1.50
macbook        1         2      1.50

替代方案（groupby + unstack） #

如果你更习惯用groupby，可以先分组统计，再用unstack将月份从行索引转为列：

# groupby分组后unstack
grouped = df.groupby(['Item', 'Month']).size().unstack(fill_value=0)
grouped['Average'] = grouped.mean(axis=1).round(2)

内容的提问来源于stack exchange，提问作者Bearishcat