如何基于多列DataFrame按产品分类计算聚合营收结果

你可以直接通过pandas内置的链式方法单行完成全部计算，也可以拆分为多步写法方便调试，两种方式逻辑完全一致。

核心计算规则 #

单条记录营收 = (UnitPrice - Product Standard Cost) × Sales Amount，最终按Category维度对所有单条记录营收求和，得到各分类总营收。

涉及的原始DataFrame字段如下：

• UnitPrice：产品单价
• Category：产品分类标识
• Product Standard Cost：产品标准成本
• Sales Amount：销售核算金额

单行实现代码 #

# 注意列名带空格时必须用方括号形式取列，不能用df.列名的点访问写法
category_revenue_df = df.assign(record_rev=(df['UnitPrice'] - df['Product Standard Cost']) * df['Sales Amount']).groupby('Category', as_index=False)['record_rev'].sum().rename(columns={'record_rev':'total_revenue'})

代码逻辑拆解：

• 用assign方法临时生成单条记录营收的中间列，不会修改原始DataFrame
• 用groupby按分类字段聚合
• 对营收列求和后重命名为更易读的总营收列名

分步实现（可读性更高，推荐日常使用） #

如果觉得单行代码太长不方便排查问题，可以拆成3步写：

# 1. 计算每条记录的营收
df['record_revenue'] = (df['UnitPrice'] - df['Product Standard Cost']) * df['Sales Amount']
# 2. 按分类聚合求和
category_revenue_df = df.groupby('Category', as_index=False)['record_revenue'].sum()
# 3. 重命名输出列
category_revenue_df = category_revenue_df.rename(columns={'record_revenue': 'total_category_revenue'})

注意：如果你的Product Standard Cost实际列名是无空格的驼峰命名ProductStandardCost，只需要把代码里对应列名替换成实际字段名即可，计算逻辑不需要调整。

内容的提问来源于stack exchange，提问作者MONG