Python 如何从pandas dataframe中按月汇总支出值？

如何在此数据框中按月和按日期聚合值：

payout_date payout_value
2017-01-14  1
2017-01-14  30
2017-01-16  216
2017-02-17  23
2017-02-17  2
2017-03-19  745
2017-03-19  32
2017-03-20  11
2017-03-20  222
2017-03-21  4

对于我使用的每日聚合值

df.groupby('date').agg(['sum'])

payout_value
sum
date    
2017-01-14  31
2017-01-16  216
2017-02-17  25
2017-03-19  777
2017-03-20  233
2017-03-21  4

我如何获得每月累计的

支出值

payout_date payout_value
2017-01-14  247
2017-02-17  25
2017-03-19  1014

---

这是一个解决方案。需要注意的几点：

• 当您将

  pd.Grouper

  与

  freq='M'

  一起使用时，

  groupby

  索引将成为每个月的最后一天
• 对于按天分组，不需要转换为

  pd.Grouper

  对象，但如果愿意，可以将

  pd.Grouper

  与

  freq='D'

  一起使用，并过滤掉

  NaN

  值

按月分组

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

grouper = pd.Grouper(key='payout_date', freq='M')
res1 = df.groupby(grouper)['payout_value'].sum().reset_index()

print(res1)

   month  payout_value
0      1           247
1      2            25
2      3          1014

按天分组

res2 = df.groupby('payout_date', as_index=False)['payout_value'].sum()

print(res2)

  payout_date  payout_value
0  2017-01-14            31
1  2017-01-16           216
2  2017-02-17            25
3  2017-03-19           777
4  2017-03-20           233
5  2017-03-21             4

---

这是一个解决方案。需要注意的几点：

• 当您将

  pd.Grouper

  与

  freq='M'

  一起使用时，

  groupby

  索引将成为每个月的最后一天
• 对于按天分组，不需要转换为

  pd.Grouper

  对象，但如果愿意，可以将

  pd.Grouper

  与

  freq='D'

  一起使用，并过滤掉

  NaN

  值

按月分组

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

grouper = pd.Grouper(key='payout_date', freq='M')
res1 = df.groupby(grouper)['payout_value'].sum().reset_index()

print(res1)

   month  payout_value
0      1           247
1      2            25
2      3          1014

按天分组

res2 = df.groupby('payout_date', as_index=False)['payout_value'].sum()

print(res2)

  payout_date  payout_value
0  2017-01-14            31
1  2017-01-16           216
2  2017-02-17            25
3  2017-03-19           777
4  2017-03-20           233
5  2017-03-21             4

---

您是否尝试过df.groupby（pd.Grouper（key='payout\u date'，freq='M'））.payount\u value.sum（）？同样地，

freq='D'

用于每日汇总。感谢您，它每月运行得非常好。但是，对于daily，它输入每天的日期值，即使没有相应的值。我还使用了df.groupby（'date'）.agg（['sum']）你试过

df.groupby（pd.Grouper（key='payout\u date'，freq='M'））.payount\u value.sum（）

？同样地，

freq='D'

用于每日汇总。感谢您，它每月运行得非常好。但是，对于daily，它输入每天的日期值，即使没有相应的值。我还使用了df.groupby（'date'）.agg（['sum']）谢谢！在x轴上绘制“付款日期”和在y轴上绘制“付款价值”的最快方法是什么？或者我应该提出另一个问题。感谢you@user40，没问题。我认为最好单独问你的第二个问题（如果其他地方没有这样问的话）。谢谢！在x轴上绘制“付款日期”和在y轴上绘制“付款价值”的最快方法是什么？或者我应该提出另一个问题。感谢you@user40，没问题。我认为最好单独问你的第二个问题（如果其他地方还没有问过的话）。