Pandas中结合groupby与cumsum实现按类别、年、月维度的累计值计算

你之前的cumsum计算逻辑存在两个关键误区，导致结果不符合预期：

• 分组维度完全错位：对已经按年-月-类聚合好的单条计数记录，重复使用同三个字段做groupby，每个分组内仅1条数据，cumsum没有累加空间
• 缺少全量时间框架：默认分组逻辑只会保留有原始数据的年-月-类组合，缺失的月份不会自动补全，也无法实现“无数据月份沿用前序累计值”的要求

1. 完成基础计数聚合（原有逻辑正确） #

先拿到每个存在数据的年-月-类别的原始记录数：

import pandas as pd

sample = [
    {'name':11,'category':'A','year':2017,'month':1},
    {'name':22,'category':'A','year':2017,'month':2},
    {'name':33,'category':'B','year':2015,'month':1},
    {'name':33,'category':'C','year':2017,'month':3},
    {'name':33,'category':'B','year':2017,'month':8},
    {'name':44,'category':'B','year':2016,'month':4},
    {'name':44,'category':'A','year':2017,'month':6},
    {'name':55,'category':'C','year':2016,'month':9},
    {'name':55,'category':'C','year':2017,'month':5},
    {'name':55,'category':'B','year':2017,'month':11}
]
sample_df = pd.DataFrame(sample)

# 基础聚合：统计每个年-月-类别的原始计数
sample_counts = sample_df.groupby(['year','month','category']).agg(
    category_count=('category', 'count')
).reset_index()

2. 生成全量年-月-类别网格 #

为了覆盖每个年度下1-12月的全量范围，先通过笛卡尔积生成所有需要的维度组合，避免月份缺失：

# 提取所有需要覆盖的维度
all_years = sample_counts['year'].unique()
all_categories = sample_counts['category'].unique()
all_months = range(1, 13)

# 生成全量框架：年份 × 月份(1-12) × 类别
full_grid = pd.MultiIndex.from_product(
    iterables=[all_years, all_months, all_categories],
    names=['year', 'month', 'category']
).to_frame(index=False)

3. 匹配原始计数到全量框架 #

把有数据的计数匹配到全量框架上，无数据的位置填充0：

merged = full_grid.merge(
    sample_counts,
    on=['year', 'month', 'category'],
    how='left'
).fillna({'category_count': 0})

4. 计算累计值 #

按照时间推进的顺序排序后，以「年+类别」为分组单位做累计求和（完全匹配你给出的示例输出逻辑）：

# 按年份、类别、月份升序排序，保证时间顺序正确
merged = merged.sort_values(['year', 'category', 'month'])

# 核心：同一年、同一类别下，按月份累加计数
merged['Cumulative_By_Category'] = merged.groupby(
    ['year', 'category']
)['category_count'].cumsum()

适配不同需求的调整：如果需要做跨年度全局累计（也就是2017年1月的累计值需要包含2015、2016年该类别的所有计数），只需要把cumsum的分组键改为仅['category']即可，无需其他调整。

5. 整理为目标输出格式 #

调整列名和顺序，匹配你要求的输出结构：

result = merged.rename(
    columns={'category': 'Category', 'month': 'Month', 'year': 'Year'}
)[['Category', 'Month', 'Year', 'Cumulative_By_Category']]

result = result.sort_values(['Year', 'Category', 'Month']).reset_index(drop=True)

以上代码运行后，2017年的输出结果和你给出的示例完全一致，会自动补全所有缺失月份、保持无数据月份的累计值连续不跳变。

内容的提问来源于stack exchange，提问作者hope288