如何在pandas中按每月最后日期分组并对指定字段进行聚合计算

原有代码的问题在于分组维度错误：你按date（具体日期）分组后，每个分组内的date值完全一致，g['date'].max()等于当前分组的date本身，相当于没有做任何有效筛选。

方案1：先过滤非月末目标日期数据，再聚合（效率更高，符合你的预期思路） #

首先做必要预处理，确保date列为datetime类型：

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

第一步：计算每个月对应的最大日期

month_max_date = df.groupby(df['date'].dt.to_period('M'))['date'].max()

第二步：过滤仅保留日期为当月最大日期的行

filtered_df = df[df['date'].isin(month_max_date)]

第三步：按日期分组聚合qty、val的求和

result = filtered_df.groupby('date')[['qty', 'val']].sum()

最终输出结果：

方案2：按年月分组后直接一步处理 #

如果你不需要中间过滤后的数据集，也可以直接按年月分组后在组内筛选计算：

df['date'] = pd.to_datetime(df['date'])
result = df.groupby(df['date'].dt.to_period('M')).apply(
    lambda x: x[x['date'] == x['date'].max()][['qty', 'val']].sum()
)
# 若需要把索引替换为实际的最大日期，可补充下面这行
result.index = month_max_date.values

内容的提问来源于stack exchange，提问作者Jonas Palačionis