Python中按日期计算金额累计求和问题求助

嘿，我来帮你搞定这个问题！首先明确你的需求：你有一个包含日期和金额的DataFrame，想要先按日期汇总当日的总金额，再对这些每日总额做累计求和，最终得到类似[(日期, 累计金额), ...]的列表格式结果。

你之前的代码报错，根源在于to_period('date')里的参数用错了——to_period()需要传入时间频率代码（比如'D'代表天、'M'代表月），而不是'date'这个字符串，这就触发了ValueError: Invalid frequency: date的错误。

下面是正确的实现步骤，一步步来：

步骤1：确保日期列是datetime类型 #

这一步你之前的写法是对的，先把date列转换成标准的datetime格式：

import pandas as pd

# 假设你的DataFrame名为graph_df
graph_df['date'] = pd.to_datetime(graph_df['date'])

步骤2：按日期分组求和，得到每日总金额 #

先把同一天的所有金额汇总，得到单日的总金额：

daily_total = graph_df.groupby('date')['money'].sum()

此时daily_total是一个Series，索引是日期，值对应当日的总金额。

步骤3：对每日总额做累计求和 #

不需要额外分组，直接对这个Series调用cumsum()就能得到累计值：

cumulative_daily = daily_total.cumsum()

步骤4：转换为你需要的列表格式 #

最后把结果转换成包含元组的列表，用strftime()把datetime索引转成你需要的字符串格式：

result = list(zip(cumulative_daily.index.strftime('%Y-%m-%d'), cumulative_daily.values))

完整代码示例 #

import pandas as pd

# 模拟你的数据源
data = {
    'date': ['2018-01-01', '2018-01-05', '2018-02-15', '2019-03-17', '2018-01-05'],
    'money': [20, 30, 7, 150, 15]
}
graph_df = pd.DataFrame(data)

# 完整处理流程
graph_df['date'] = pd.to_datetime(graph_df['date'])
daily_total = graph_df.groupby('date')['money'].sum()
cumulative_daily = daily_total.cumsum()
result = list(zip(cumulative_daily.index.strftime('%Y-%m-%d'), cumulative_daily.values))

print(result)
# 输出：[('2018-01-01', 20), ('2018-01-05', 65), ('2018-02-15', 72), ('2019-03-17', 222)]

这样就能得到你想要的结果啦，核心是去掉了错误的二次分组步骤，利用已有的日期索引直接做累计求和即可。

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