### 如何使用 Pandas 按年份对每个子市场的销售总额进行分组统计 在数据分析领域，`pandas` 提供了灵活的 `groupby` 方法用于处理复杂的数据聚合需求。对于按年份和子市场对销售总额进行分组统计的任务，可以采用多级分组的方式完成。 以下是具体的实现方法： #### 数据准备 假设有一个包含日期 (`date`)、子市场 (`submarket`) 和销售额 (`sales`) 的数据集。为了便于演示，创建一个简单的示例数据框： ```python import pandas as pd data = { 'date': ['2021-03-01', '2021-04-01', '2022-05-01', '2022-06-01', '2023-07-01'], 'submarket': ['MarketA', 'MarketB', 'MarketA', 'MarketB', 'MarketC'], 'sales': [100, 200, 150, 250, 300] } df = pd.DataFrame(data) df['date'] = pd.to_datetime(df['date']) # 将 date 列转换为 datetime 类型 print(df) ``` #### 实现按年份和子市场分组并计算销售总额 通过提取日期中的年份信息并与子市场一起作为分组依据，可得到每一年各子市场的销售总额： ```python # 提取年份信息 df['year'] = df['date'].dt.year # 按 year 和 submarket 进行分组，并计算 sales 总额 result = df.groupby(['year', 'submarket'])['sales'].sum() # 转换为 DataFrame 并重置索引以便查看结果 result_df = result.reset_index() print(result_df) ``` 此代码片段实现了以下逻辑： 1. **提取年份**：利用 `pd.to_datetime()` 函数将日期列转换为标准时间格式后，调用 `.dt.year` 获取年份[^1]。 2. **多级分组**：通过传递列表 `[‘year’, ‘submarket’]` 给 `groupby` 方法，分别按照年份和子市场进行分组[^2]。 3. **汇总计算**：针对每一组内的 `sales` 值求和，最终返回新的数据结构表示每年度各个子市场的销售总额[^3]。 #### 输出样例 运行以上脚本可能产生的输出类似于下表所示： | year | submarket | sales | |--------|-----------|-------| | 2021 | MarketA | 100 | | 2021 | MarketB | 200 | | 2022 | MarketA | 150 | | 2022 | MarketB | 250 | | 2023 | MarketC | 300 | 这表明成功完成了按年度与子市场的双重维度下的销售总额统计工作[^4]。 --- ###