如何按年Group by求和销售额并计算用户新增总量？

可以通过Pandas实现你的需求，具体步骤如下：

1. 数据预处理 #

首先要确保日期列是标准格式，并按时间顺序排序（避免差值计算逻辑出错）：

import pandas as pd

# 构造你的数据集
data = {
    'Sales': [40000, 500, 4000, 234, 1000, 50000, 40000, 500, 2145, 344, 1234, 432],
    'Users': [234, 100, 555, 1000, 2000, 1200, 234, 100, 555, 1000, 1233, 5000],
    'DT': ['1/4/2018', '1/23/2018', '2/4/2018', '6/4/2018', '6/14/2018', '9/12/2018',
           '1/14/2019', '2/23/2019', '2/26/2019', '6/14/2019', '6/21/2019', '11/12/2019']
}
df = pd.DataFrame(data)

# 转换日期格式并按时间排序
df['DT'] = pd.to_datetime(df['DT'])
df = df.sort_values('DT')

# 提取年份列用于分组
df['Year'] = df['DT'].dt.year

2. 计算用户增量 #

用diff()函数直接计算每个日期与前一个日期的用户数差值，完全匹配你需要的“后续日期Users值减前一个日期Users值”逻辑：

df['User_Increment'] = df['Users'].diff()

注：第一个日期没有前序数据，差值会显示为NaN，分组求和时会自动忽略。如果认为第一个日期的用户数属于当年新增，可以替换为df['User_Increment'] = df['Users'].diff().fillna(df['Users'])，将首个用户数纳入增量计算。

3. 按年分组聚合 #

最后按年份分组，对Sales列求和，对用户增量列求和：

result = df.groupby('Year').agg(
    年度销售总额=('Sales', 'sum'),
    年度用户增量总和=('User_Increment', 'sum')
).reset_index()

print(result)

最终输出 #

执行代码后会得到如下结果：

内容的提问来源于stack exchange，提问作者Chris90