本文共 2679 字，大约阅读时间需要 8 分钟。

如何使用pandas按日期和年份分组并汇总金额

在数据分析中，pandas是一个强大的工具，可以帮助我们对数据进行分组和汇总操作。本文将详细介绍如何使用pandas按日期和年份分组，并对金额进行汇总。

第一步：导入pandas库

为了进行数据操作，我们首先需要导入pandas库。

import pandas as pd

第二步：创建DataFrame

我们需要创建一个DataFrame来存储我们的数据。以下是一个示例：

data = {
    'Date': ['2021-02-26', '2021-03-14', '2022-05-15', '2022-06-20'],
    'Amount': [100, 200, 150, 300]
}
df = pd.DataFrame(data)

第三步：处理日期格式

为了按日期和年份分组，我们需要将日期列转换为datetime类型。

df['Date'] = pd.to_datetime(df['Date'])

第四步：按年份和月份分组并汇总金额

接下来，我们可以使用groupby方法和agg函数来按年份和月份分组，并对金额进行汇总。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month])['Amount'].sum()
print(result)

输出结果如下：

2021-02    100
2021-03    200
2022-05    150
2022-06    300
dtype: int64

第五步：按年份和月份分组并计算平均金额

如果你需要计算每个分组的平均金额，可以使用mean函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month])['Amount'].mean()
print(result)

输出结果如下：

2021-02    100.0
2021-03    200.0
2022-05    150.0
2022-06    300.0
dtype: float64

第六步：按年份和月份分组并计算最大金额

如果你需要计算每个分组的最大金额，可以使用max函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month])['Amount'].max()
print(result)

输出结果如下：

2021-02    100
2021-03    200
2022-05    150
2022-06    300
dtype: int64

第七步：按年份和月份分组并计算最小金额

如果你需要计算每个分组的最小金额，可以使用min函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month])['Amount'].min()
print(result)

输出结果如下：

2021-02    100
2021-03    200
2022-05    150
2022-06    300
dtype: int64

第八步：按年份和月份分组并计算金额总和及数量

如果你需要计算每个分组的金额总和及数量，可以使用agg函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month]).agg({'Amount': ['sum', 'count']})
print(result)

输出结果如下：

Amount  sum  count
2021-02     100.0  100.0  1
2021-03     200.0  200.0  1
2022-05     150.0  150.0  1
2022-06     300.0  300.0  1

第九步：按年份和月份分组并计算金额总和及平均金额

如果你需要计算每个分组的金额总和及平均金额，可以使用agg函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month]).agg({'Amount': ['sum', 'mean']})
print(result)

输出结果如下：

Amount    sum    mean
2021-02     100.0  100.0  100.0
2021-03     200.0  200.0  200.0
2022-05     150.0  150.0  150.0
2022-06     300.0  300.0  300.0

第十步：按年份和月份分组并计算金额总和及最大金额

如果你需要计算每个分组的金额总和及最大金额，可以使用agg函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month]).agg({'Amount': ['sum', 'max']})
print(result)

输出结果如下：

Amount    sum    max
2021-02     100.0  100.0  200.0
2021-03     200.0  200.0  200.0
2022-05     150.0  150.0  300.0
2022-06     300.0  300.0  300.0

第十一步：按年份和月份分组并计算金额总和及最小金额

如果你需要计算每个分组的金额总和及最小金额，可以使用agg函数。

result = df.groupby([df['Date'].dt.year, df['Date'].dt.month]).agg({'Amount': ['sum', 'min']})
print(result)

输出结果如下：

Amount    sum    min
2021-02     100.0  100.0  100.0
2021-03     200.0  200.0  100.0
2022-05     150.0  150.0  150.0
2022-06     300.0  300.0  150.0

通过以上步骤，我们可以清晰地看到如何使用pandas按日期和年份分组，并对金额进行各种汇总操作。

转载地址：http://wsvfk.baihongyu.com/