使用Pandas进行聚合与分组索引：按年份汇总用户金额的问题

嗨，我懂你现在只能手动处理单一年份的金额求和有多繁琐——其实用pandas的分组功能就能一次性搞定所有年份的汇总，不用逐个年份重复写代码。

假设你的DataFrame结构如下（可根据实际列名调整）： #

比如你的数据大概是这样的：

一步到位的分组求和代码： #

# 按用户ID和年份分组，对金额列求和
result_df = df.groupby(['user_id', 'year'])['amount'].sum().reset_index()

# 可选：给求和后的列重命名，让结果更直观
result_df.rename(columns={'amount': 'total_amount'}, inplace=True)

代码解释： #

• groupby(['user_id', 'year'])：告诉pandas同时按用户ID和年份进行分组，这样每个组就是同一个用户同一年的所有记录
• ['amount'].sum()：对每个分组里的金额列求和
• reset_index()：把分组后的索引（user_id和year）转换为普通列，让结果和你预期的表格结构一致

如果你的年份是日期格式（比如datetime类型）： #

如果你的数据里没有直接的year列，而是有一个日期列（比如transaction_date），可以先提取年份再分组：

# 从日期列提取年份，生成新的year列
df['year'] = df['transaction_date'].dt.year

# 再执行上面的分组求和逻辑
result_df = df.groupby(['user_id', 'year'])['amount'].sum().reset_index()

用这个方法，不管你有多少个年份，都能一次性完成所有用户的年度金额汇总，不用再单独处理每个年份啦。

内容的提问来源于stack exchange，提问作者yigitozmen