概要
分析時間序列數據時，按照日期的維度進行統計幾乎是必備的需求。
基於pandas，可以方便的進行各種日期維度（年份，季度，月，周等等）的統計，不用去遍歷每行數據去統計。
示例-銷售數據統計
演示數據來源一些銷售數據，可以點擊 這里 下載。
每行數據包括日期，國家，城市，地區，銷售額和利潤等字段，我們主要使用日期，銷售額和利潤3個字段。
下面的演示代碼，我是在 jupyter notebook 中運行的。
導入數據
導入數據比較簡單，下載的壓縮包解壓后，有個excel文件，可以通過 pandas 直接導入。
import pandas as pd
xlsx_path = "./通訊產品銷售數據.xlsx"
df_sales = pd.read_excel(xlsx_path, sheet_name="SalesData")
df_sales
df_sales.dtypes
按【年份】統計
df_year_sales = df_sales[["日期", "地區","銷售額", "利潤"]].copy(deep=True)
df_year_sales["日期"] = df_year_sales["日期"].apply(lambda x: x.year)
df_year_sales.groupby(["日期", "地區"]).sum()
按【季度】統計
df_quarter_sales = df_sales[["日期", "地區", "銷售額", "利潤"]].copy(deep=True)
df_quarter_sales["日期"] = df_quarter_sales["日期"].apply(lambda x: "{}Q{}".format(x.year, x.quarter))
df_quarter_sales.groupby(["日期", "地區"]).sum()
按【月份】統計
df_month_sales = df_sales[["日期", "地區", "銷售額", "利潤"]].copy(deep=True)
df_month_sales["日期"] = df_month_sales["日期"].apply(lambda x: "{}-{}".format(x.year, x.month))
df_month_sales.groupby(["日期", "地區"]).sum()
按【周】統計
# 周的數據比較多，這里只取2020年的數據
df_week_sales = df_sales[["日期", "地區", "銷售額", "利潤"]].copy(deep=True)
df_week_sales = df_week_sales[df_week_sales["日期"] > '2019-12-31']
df_week_sales["日期"] = df_week_sales["日期"].apply(lambda x: "{}年第{:02d}周".format(x.year, x.week))
df_week_sales.groupby(["日期", "地區"]).sum().sort_values(["日期"])
