如何将DataFrame按月分组并计算截至当月的累计最高Quantity值

步骤说明 #

针对大规模数据集，优先用Pandas的向量化操作保证效率，具体实现如下：

1. 生成年月标识列：从Date列提取Month/Year格式（如Jan/2019），用dt.strftime('%b/%Y')完成格式转换。
2. 按月分组取当月最大值：对每个年月分组，计算该月内Quantity的最大值——原数据是每日记录，每个月可能有多条，先取当月峰值。
3. 计算累计最大值：对分组后的月度最大值序列，用cummax()计算截至当前月份的全局最高值，直接满足"截至对应月份的Quantity最高值"需求。
4. 整理输出格式：将结果转换为目标结构的DataFrame。

代码实现 #

import pandas as pd

# 假设原始DataFrame名为df，且Date列已为datetime类型
# 若Date列未转换为datetime，先执行：df['Date'] = pd.to_datetime(df['Date'])

# 1. 添加年月标识列
df['Month/Year'] = df['Date'].dt.strftime('%b/%Y')

# 2. 按月分组，取当月Quantity的最大值
monthly_max = df.groupby('Month/Year')['Quantity'].max().reset_index()

# 3. 计算截至当月的累计最高值
monthly_max['Till Highest'] = monthly_max['Quantity'].cummax()

# 4. 移除中间列，得到目标DataFrame
result = monthly_max.drop(columns=['Quantity'])

print(result)

输出验证 #

运行代码后会得到与示例一致的结果：

Month/Year  Till Highest
0    Jan/2019            15
1    Feb/2019            15
2    May/2019            25
3    Jul/2019            25
4    Sep/2019            44
5    Dec/2019            44
6    Apr/2020           111
7    Jun/2020           111

效率说明 #

所有操作均为Pandas内置的向量化/分组聚合操作，避免了Python循环，在百万级甚至更大规模的数据集上也能保持高效运行。

内容的提问来源于stack exchange，提问作者Starlord22