Python - 尝试按年份分组并汇总销售数据时出错

Posted 2023-03-11

【中文标题】Python - 尝试按年份分组并汇总销售数据时出错

【英文标题】：Python - Error when trying to groupby year and summarize sales data

【发布时间】：2020-03-21 11:42:09

【问题描述】：

我有一个交易数据集，我试图按年份汇总，但是当我运行时，输出是交易的单个金额。我已经使用 pd.read_csv 将 csv 导入 python 并清理了数据框中的一些列以及添加新列。

我正在使用以下代码生成下面的输出

df['Year'] = df['Date'].dt.year
df.groupby(df['Year'])['revenue'].agg(['sum'])

OUTPUT
    Year                                       Sum
    2015      1203.21 1732.12 2551.01 1733.12 1323.44
    2016      3203.21 1532.12 4431.01 1433.12 7323.44
    2017      2203.21 122.12 131.01 1293.12 4223.44
    2018      6203.21 232.12 1131.01 1533.12 4323.44

我有以下代码行将“收入”从字符串转换为浮点数

pd.to_numeric(df['revenue'])

年份、日期和收入都是我数据框中的列。我希望能够在上面的每一年中获得一个总数，而不是查看单个交易的价值。谢谢。

【问题讨论】：

df[['Year', 'revenue']].head() 的输出是什么？看起来你正在对字符串求和。

输出是第一年数据的前四笔交易的值。我更新了原始问题以包含将字符串转换为浮点数的代码

要查看它是否可能是收入字符串，请尝试：df.groupby('Year')['revenue'].apply(lambda x: x.str.strip().astype(float).sum())。如果可行，您应该先将revenue 列转换为浮点数，然后再应用groupby。

我认为你很接近，只需要分配 - df['revenue'] = pd.to_numeric(df['revenue']) 然后df['Year'] = df['Date'].dt.year df.groupby(df['Year'])['revenue'].agg(['sum'])

谢谢耶兹瑞尔。这样可行。亚历山大，如果它是一个字符串，你建议将收入转换为浮点数的代码吗？

【参考方案1】：

您可以分配 to_numeric 函数的返回输出，因为不能就地工作：

df['revenue'] = pd.to_numeric(df['revenue'])

替代解决方案：

df['revenue'] = df['revenue'].astype(float)

---

df['Year'] = df['Date'].dt.year 
df1 = df.groupby('Year', as_index=False)['revenue'].sum()

如果想要单行解决方案：

df1=pd.to_numeric(df['revenue']).groupby(df['Date'].dt.year.rename('Year')).sum().reset_index()

【讨论】：

解决方案出现在 6 和 7 的幂的指数中，因为我正在处理数以百万计的数字。我在转换为浮点数时删除了所有的逗号和美元符号，但我将如何将它们重新添加。

@wolfblitza - 你能检查this吗？

谢谢。这有帮助。

【参考方案2】：

上面 Jezrael 提出的代码按预期工作。 我使用的是pd.to_numeric(df['revenue'])，但现在已将其更改为df['revenue'] = pd.to_numeric(df['revenue'])