如何用pandas对dataframe分组汇总各门店每周总营收

直接使用pandas原生的groupby聚合方法即可实现需求，无需编写循环和判断语句，执行效率和可读性都更高。

步骤1：处理日期字段，提取周维度标识 #

首先将日期列转为datetime格式，再根据你需要的周规则生成周维度字段：

# 先把Date列转为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 方案A：用「年份_周数」作为周唯一标识，避免跨年周统计重复
df['Year_Week'] = df['Date'].dt.isocalendar().year.astype(str) + '_' + df['Date'].dt.isocalendar().week.astype(str).str.zfill(2)

# 方案B：用每周周一作为周的统一标识，如果需要周日为周起始可自行调整计算规则
# df['Week_Start'] = df['Date'] - pd.to_timedelta(df['Date'].dt.weekday, unit='D')

步骤2：按门店+周维度聚合营收 #

# 仅汇总营收的最简写法
store_weekly_sales = df.groupby(['Store', 'Year_Week'], as_index=False)['Weekly_Sales'].sum()

# 如果需要保留同门店同周维度的其他公共字段，可以用agg批量处理
store_weekly_sales = df.groupby(['Store', 'Year_Week'], as_index=False).agg(
    total_weekly_sales = ('Weekly_Sales', 'sum'),
    IsHoliday = ('IsHoliday', 'first'),
    store_type = ('Type', 'first'),
    store_size = ('Size', 'first'),
    temperature = ('Temperature', 'first'),
    fuel_price = ('Fuel_Price', 'first'),
    CPI = ('CPI', 'first'),
    unemployment = ('Unemployment', 'first')
)

不需要额外处理不同门店部门数量不一致的问题，groupby会自动对每个分组下的所有行做聚合计算。

内容的提问来源于stack exchange，提问作者Rocket