Pandas多分组前日期转换：统一日期为当月1日并分组求和

问题分析 #

你当前代码的核心问题有两个：

1. 日期处理的结果没有赋值回原DataFrame，导致分组时还是用原始日期；
2. 未将字符串格式的date列转为datetime类型，直接使用日期偏移量会引发错误。

分步优化实现 #

• 1. 转换日期列类型
  先把字符串格式的日期转为datetime类型，这是后续日期操作的前提：

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

• 2. 统一日期为当月1日
  推荐两种简洁且稳定的方式：

  • 方式一：用dt.floor('MS')直接取当月起始日期（MS代表Month Start）

    df['date'] = df['date'].dt.floor('MS')
    

  • 方式二：先转为月份周期，再提取周期起始时间

    df['date'] = df['date'].dt.to_period('M').dt.start_time
    

  这两种方式比pd.offsets.MonthBegin(1)更直观，避免了手动计算偏移可能出现的边界问题。

• 3. 分组求和
  基于处理后的日期，按指定字段分组并对energy求和：

  result_df = df.groupby(['country', 'type', 'date'], as_index=False)['energy'].sum()
  

完整可运行代码 #

import pandas as pd

# 构造原始数据
data = {
    'country': ['US', 'US', 'US', 'US', 'US', 'AUSTRALIA'],
    'type': ['aa', 'aa', 'aa', 'bb', 'bb', 'bb'],
    'date': ['8/5/2022', '8/25/2022', '8/2/2022', '8/5/2022', '8/15/2022', '9/15/2022'],
    'energy': [10, 1, 11, 55, 25, 5]
}
df = pd.DataFrame(data)

# 执行处理流程
df['date'] = pd.to_datetime(df['date'])
df['date'] = df['date'].dt.floor('MS')
result_df = df.groupby(['country', 'type', 'date'], as_index=False)['energy'].sum()

print(result_df)

运行后会输出你期望的结果：

country type       date  energy
0  AUSTRALIA   bb 2022-09-01       5
1         US   aa 2022-08-01      22
2         US   bb 2022-08-01      80

内容的提问来源于stack exchange，提问作者Lynn