Pandas如何对按日存储的DataFrame按月分组求和

用Pandas库可快速完成该需求，具体实现如下：

完整操作代码 #

import pandas as pd

# 若你已经在内存中生成了原始DataFrame，可跳过csv读取步骤
df = pd.read_csv("你的数据文件路径.csv")

# 1. 将date列转换为Pandas可识别的日期格式
df["date"] = pd.to_datetime(df["date"])

# 2. 按月度分组，直接对数值字段求和
# dt.strftime('%Y-%m')会将日期转为「年-月」格式的字符串，和你期望的输出格式匹配
result = df.groupby(df["date"].dt.strftime("%Y-%m"), as_index=False)[["Revenue", "Fourniture"]].sum()

结果说明 #

运行代码后得到的result就符合你的输出要求：第一列为年月维度，后续两列分别是对应月份的Revenue、Fourniture求和值。
如果不需要保留原始的日维度date列，分组完成后直接删除该列即可。

内容的提问来源于stack exchange，提问作者biwia