如何在Pandas中按日期分组数据并计算求和值？

嘿，这问题我太熟了！要实现按日期分组计算每日总销售额，用Pandas的基础分组聚合操作就能轻松搞定，咱们直接上干货：

首先先确认你的数据结构，你给出的示例DataFrame是这样的：

import pandas as pd

df = pd.DataFrame({
    'date': ['2024-01-01', '2024-01-01', '2024-01-02'],
    'sales': [100, 150, 200]
})

核心解决方案 #

只需要一行代码，用groupby()按date列把相同日期的行归为一组，再指定sales列调用sum()计算每组的总和就行：

daily_total = df.groupby('date')['sales'].sum()

运行这段代码后，你会得到一个Series结果，格式如下：

date
2024-01-01    250
2024-01-02    200
Name: sales, dtype: int64

可选：将结果转为标准DataFrame #

如果你希望结果保持DataFrame格式（把date从索引变回普通列），只需要在代码末尾加上reset_index()：

daily_total_df = df.groupby('date')['sales'].sum().reset_index()

得到的结果就是结构清晰的DataFrame：

date  sales
0  2024-01-01    250
1  2024-01-02    200

小提示 #

如果你的date列是datetime类型（而非字符串），这个方法同样完全适用，Pandas会自动识别相同日期完成分组。要是之后需要按周、月甚至季度做聚合，只需要把groupby的键换成对应的日期属性就行，比如df.groupby(df['date'].dt.month)['sales'].sum()就能快速得到每月总销售额。

内容来源于stack exchange