求助：用Pandas计算多列汇总DataFrame，统计产品许可证到期与重订量

看起来你卡在了分组统计的环节，手动拼接DataFrame确实容易踩覆盖的坑，我帮你梳理下用pandas正确实现的步骤，应该能解决你的问题：

核心思路 #

不用手动循环每个门店再拼接，直接用groupby按门店分组统计，既能避免覆盖问题，又更高效。关键要先把日期列处理成datetime类型，不然所有日期相关的计算都会出错。

具体代码实现 #

1. 导入依赖并读取数据 #

import pandas as pd
from datetime import datetime, timedelta

# 读取你的数据文件（替换成你的文件路径，比如CSV/Excel）
df = pd.read_csv("your_data_file.csv")

# 把许可证到期日转换成datetime类型（如果是Excel可以直接用pd.read_excel的parse_dates参数）
# 这里的format要匹配你文件里的日期格式，比如'%Y-%m-%d'是YYYY-MM-DD，'%d/%m/%Y'是DD/MM/YYYY
df["Licence_ends"] = pd.to_datetime(df["Licence_ends"], format="%Y-%m-%d", errors="coerce")

# 处理转换失败的无效日期（可选，比如删除或标记）
df = df.dropna(subset=["Licence_ends"])

2. 标记即将到期的产品 #

先定义“即将到期”的规则，比如接下来30天内，你可以根据需求调整天数：

today = datetime.today()
# 即将到期的截止日期：今天往后推30天
expiry_cutoff = today + timedelta(days=30)

# 给每条数据标记是否即将到期
df["is_upcoming_expiry"] = df["Licence_ends"].between(today, expiry_cutoff)

3. 按门店统计即将到期数量 #

# 按门店分组，统计即将到期的产品总数
expiry_by_store = df.groupby("locations")["is_upcoming_expiry"].sum().reset_index()
# 重命名列名更直观
expiry_by_store.columns = ["门店", "即将到期产品数量"]

4. 按门店+季度统计可重购数量 #

把到期日期转换成季度格式（比如2024Q2），再分组统计：

# 生成到期季度列，格式为"YYYYQX"
df["expiry_quarter"] = df["Licence_ends"].dt.to_period("Q").astype(str)

# 按门店和季度分组，统计可重购的产品数量
reorder_by_store_quarter = df.groupby(["locations", "expiry_quarter"])["products"].count().reset_index()
reorder_by_store_quarter.columns = ["门店", "到期季度", "可重新订购产品数量"]

5. 合并结果（可选） #

如果想把两个统计结果合并成一张表查看：

final_result = pd.merge(expiry_by_store, reorder_by_store_quarter, on="门店", how="left")
print(final_result)

为什么你之前的方法会失败？ #

你提到手动向空DataFrame添加数据只得到最后一家门店的结果，大概率是循环时直接赋值覆盖了之前的数据，比如：

# 错误示例：每次循环都把temp赋值给空DataFrame，最后只剩最后一个门店的数据
empty_df = pd.DataFrame()
for store in df["locations"].unique():
    temp = df[df["locations"] == store].groupby(...)
    empty_df = temp

正确的手动循环方式应该是收集所有子DataFrame，再用pd.concat拼接：

dfs = []
for store in df["locations"].unique():
    temp = df[df["locations"] == store].groupby(...).reset_index()
    dfs.append(temp)
final_df = pd.concat(dfs, ignore_index=True)

不过显然用groupby的方法更简洁，不需要手动循环~

示例结果 #

假设你的数据是这样的：

如果今天是2024-04-15，那么最终结果会是：

内容的提问来源于stack exchange，提问作者Bartek Malysz