如何用Pandas按日期汇总各国疫情数据并合并为单表？

用户有如下疫情数据（示例）：

Date_reported Country_code Country WHO_region New_cases Cumulative_cases New_deaths Cumulative_deaths
0   2020-01-03  AF  Afghanistan EMRO    0   0   0   0
1   2020-01-04  AF  Afghanistan EMRO    0   0   0   0
2   2020-01-05  AF  Afghanistan EMRO    0   0   0   0
3   2020-01-06  AF  Afghanistan EMRO    0   0   0   0
4   2020-01-07  AF  Afghanistan EMRO    0   0   0   0
... ... ... ... ... ... ... ... ...
243868  2022-10-23  ZW  Zimbabwe    AFRO    0   257893  0   5606
243869  2022-10-24  ZW  Zimbabwe    AFRO    0   257893  0   5606
243870  2022-10-25  ZW  Zimbabwe    AFRO    0   257893  0   5606
243871  2022-10-26  ZW  Zimbabwe    AFRO    0   257893  0   5606
243872  2022-10-27  ZW  Zimbabwe    AFRO    0   257893  0   5606

需要将所有国家的数据按日期合并，生成如下格式的汇总表格：

Date_reported New_cases Cumulative_cases New_deaths Cumulative_deaths
0   2020-01-03  0   0   0   0
1   2020-01-04  0   0   0   0
2   2020-01-05  0   0   0   0
3   2020-01-06  0   0   0   0
4   2020-01-07  0   0   0   0
... ... ... ... ... ... ... ... ...
243872  2022-10-27  sum  of  all    country

询问如何使用Pandas实现该需求。

可以通过Pandas的groupby结合聚合函数快速实现日期维度的全局数据汇总，具体步骤如下：

1. 导入Pandas并读取数据
   先确保已安装Pandas，然后读取你的数据集（假设数据存储在CSV文件中）：

   import pandas as pd
   
   # 替换为你的数据文件路径
   df = pd.read_csv('your_data.csv')
   

2. 按日期分组并聚合数值列
   以Date_reported为分组键，对需要汇总的数值列执行聚合操作：

   # 按日期分组，对目标列求和
   aggregated_df = df.groupby('Date_reported')[['New_cases', 'Cumulative_cases', 'New_deaths', 'Cumulative_deaths']].sum().reset_index()
   

   • groupby('Date_reported')：将数据按日期维度分组
   • [['New_cases', ...]]：指定需要聚合的数值型列
   • .sum()：对每组内的数值列求和，得到当日全球累计/新增数据
   • .reset_index()：将分组的日期从索引转为普通列，匹配目标格式

3. 查看或保存结果
   可以直接打印结果预览，或保存为新文件：

   # 打印前5行验证
   print(aggregated_df.head())
   
   # 保存汇总结果到CSV
   aggregated_df.to_csv('daily_global_summary.csv', index=False)
   

补充说明 #

如果原始数据中的Cumulative_cases和Cumulative_deaths本身是各国截至当日的累计值，直接求和会导致重复计算，此时应该取每组的最大值（即当日全球最高累计值，或理解为当日全球累计总和的正确统计方式），代码调整为：

aggregated_df = df.groupby('Date_reported').agg({
    'New_cases': 'sum',
    'Cumulative_cases': 'max',
    'New_deaths': 'sum',
    'Cumulative_deaths': 'max'
}).reset_index()

内容的提问来源于stack exchange，提问作者IsaacMak