如何在Pandas中按日期分组时间戳并统计每日销售总额？

核心思路 #

要合并同一天的记录并求和金额，关键是将datetime64类型的时间戳转换为日期维度，再通过groupby按日期分组聚合。

示例代码与步骤 #

假设你的DataFrame结构如下（包含时间戳、其他字段和金额列）：

import pandas as pd

# 模拟你的数据
df = pd.DataFrame({
    'timestamp': pd.to_datetime(['2024-06-01 08:30', '2024-06-01 15:45', '2024-06-02 10:10']),
    'category': ['食品', '日用品', '食品'],
    'amount': [50, 80, 65]
})

1. 提取日期维度并分组求和

直接用日期作为分组键，无需新增列，一步完成聚合：

daily_summary = df.groupby(df['timestamp'].dt.date)['amount'].sum().reset_index(name='daily_total')

2. 查看结果

运行后得到每日销售总额：

date  daily_total
0  2024-06-01          130
1  2024-06-02           65

常见问题排查 #

如果之前groupby失败，大概率是这两个原因：

• 未提取日期，直接用完整时间戳分组：每个时间戳都唯一，无法合并同一天记录
• 未指定聚合列：直接df.groupby(...)会尝试对所有列聚合，可能因非数值列报错

扩展：保留其他字段的处理 #

如果需要保留日期外的其他字段（比如取当日第一条记录的分类），可以用agg指定不同列的聚合规则：

daily_summary = df.groupby(df['timestamp'].dt.date).agg(
    daily_total=('amount', 'sum'),
    first_category=('category', 'first')
).reset_index()

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