Python如何按License、Location、Date分组对重复行的Quantity求和

你需要补充日期格式转换、分组聚合的逻辑，完整代码如下：

import pandas as pd

def migrate(df, template):
    inventory = df.copy()
    # 保留除Type外的所有字段，无需手动筛选全量字段
    inventory = inventory.drop(columns=['Type'])
    # 转换日期列为datetime格式，确保可正确提取月份维度
    inventory['Date'] = pd.to_datetime(inventory['Date'], errors='coerce')
    # 生成临时月份列作为分组依据
    inventory['month'] = inventory['Date'].dt.to_period('M')
    # 按License、Location、同月份维度分组，Quantity求和，其余同组字段取首值
    inventory = inventory.groupby(['License', 'Location', 'month'], as_index=False).agg(
        Date=('Date', 'first'),
        Quantity=('Quantity', 'sum'),
        # 如有其他需保留的字段，按 字段名=('字段名', '聚合函数') 格式补充即可
    ).drop(columns=['month'])
    # 若需要日期统一显示为当月第一天，可启用下面这行代码
    # inventory['Date'] = inventory['Date'].dt.to_period('M').dt.to_timestamp()
    return inventory

关键逻辑说明 #

• 用drop删除指定列比手动选全量需保留字段效率更高，也不会出现漏字段的问题
• pd.to_datetime中加了errors='coerce'参数，会把非法日期转为空值，避免转换报错中断迁移流程
• 临时增加的month列确保聚合是在同一个月内执行，不会把不同月份的同License、Location数据合并
• 若同组内除Quantity外的其他字段存在不同取值，可根据业务需求调整聚合函数，替换为max、min或自定义规则即可

内容的提问来源于stack exchange，提问作者Ian