您如何获得指定日期的列的总和？答案

【问题标题】：How do you get total sum of a column for a specified date?您如何获得指定日期的列的总和？
【发布时间】：2019-09-20 16:11:41
【问题描述】：

我有一个索引列是日期的地方。其他列是特定日期每种产品的总销售额。我需要获取 2010 年每一列的总销售额。

我知道如何获取一列的总和，但在获取特定数据/时间范围的总和时遇到问题。

索引列上的日期格式如下2007-09-22

【问题讨论】：

请添加您到目前为止为上述任务完成的代码sn-p
你能添加一些数据样本和预期输出吗？随意更改rng = pd.date_range('2018-04-03', periods=10, freq='4M') df = pd.DataFrame({'Product 1': range(10), 'Product 2': range(1, 11)}, rng)

标签： python pandas jupyter-notebook

【解决方案1】：

如果索引是日期时间索引，您可以非常灵活地使用它。如果使用数据框（由@jezrael 提供），您可以执行以下操作。

df.groupby(df.index.month).sum()

输出

    Product 1   Product 2
4   18          22
8   12          15
12  15          18

或者

df.groupby(df.index.year).sum()

输出

       Product 1    Product 2
2018    3           6
2019    12          15
2020    21          24
2021    9           10

【讨论】：

【解决方案2】：

将partial string indexing 与sum 一起使用：

rng = pd.date_range('2018-04-03', periods=10, freq='4M')
df = pd.DataFrame({'Product 1': range(10), 'Product 2': range(1, 11)}, rng)  
print (df)
            Product 1  Product 2
2018-04-30          0          1
2018-08-31          1          2
2018-12-31          2          3
2019-04-30          3          4
2019-08-31          4          5
2019-12-31          5          6
2020-04-30          6          7
2020-08-31          7          8
2020-12-31          8          9
2021-04-30          9         10

print (df['2020'])
            Product 1  Product 2
2020-04-30          6          7
2020-08-31          7          8
2020-12-31          8          9

如果需要每行总和：

print (df['2020'].sum(axis=1))
2020-04-30    13
2020-08-31    15
2020-12-31    17
Freq: 4M, dtype: int64

如果需要每列总和：

print (df['2020'].sum())
Product 1    21
Product 2    24
dtype: int64

【讨论】：

【解决方案3】：

一个简单的 groupby 可以用于聚合。如果您想使用多列进行聚合，请在 documentation 中查找使用 pandas 的 groupby。

import pandas as pd

data = {'Date': ['2007-09-22', '2007-09-23','2007-09-22'], 'Product 1': [1,2,3], 'Product 2': [4,5,6]}
df = pd.DataFrame(data, columns = ['Date','Product 1','Product 2'])

df.groupby('Date').sum()

【讨论】：