Python Pandas数据处理：合并SUM.csv文件中相同销售日期、单品编码和销售类型的销量

使用Python Pandas合并CSV文件中相同条件下的销量数据

本文将介绍如何使用Python的Pandas库处理SUM.csv文件，该文件包含以下列：

• 销售日期
• 扫码销售时间
• 单品编码
• 单品名称
• 分类名称
• 销量(千克)
• 销售单价(元/千克)
• 销售类型
• 是否打折销售
• 批发价格
• 单品损耗率

目标是将相同销售日期、相同单品编码以及相同销售类型的记录合并，并将它们的'销量(千克)'相加，其他列保持不变，最后将结果输出到SUMsmall.csv文件。

以下是使用Python Pandas实现此目标的代码示例：

import pandas as pd

# 读取SUM.csv文件
df = pd.read_csv('SUM.csv')

# 根据销售日期、单品编码和销售类型分组，并计算销量的总和
df_grouped = df.groupby(['销售日期', '单品编码', '销售类型']).agg({'销量(千克)': 'sum'}).reset_index()

# 将计算结果保存到SUMsmall.csv文件
df_grouped.to_csv('SUMsmall.csv', index=False)

代码解释：

1. 导入Pandas库： import pandas as pd - 导入Pandas库并将其命名为pd，以便在代码中使用。
2. 读取CSV文件： df = pd.read_csv('SUM.csv') - 使用read_csv()函数读取SUM.csv文件，并将其存储在名为df的DataFrame对象中。
3. 分组和聚合： df_grouped = df.groupby(['销售日期', '单品编码', '销售类型']).agg({'销量(千克)': 'sum'}).reset_index()
   • 使用groupby()方法根据'销售日期'、'单品编码'和'销售类型'对数据进行分组。
   • 使用agg()方法对每个组应用聚合函数，这里使用{'销量(千克)': 'sum'} 将'销量(千克)'列的值求和。
   • 使用reset_index()方法重置索引，以便将结果保存为DataFrame对象。
4. 保存结果： df_grouped.to_csv('SUMsmall.csv', index=False) - 使用to_csv()方法将DataFrame对象保存为SUMsmall.csv文件，并通过index=False参数指定不保存索引列。

运行这段代码后，你将在相同目录下获得一个名为SUMsmall.csv的文件，其中包含根据销售日期、单品编码和销售类型合并后的销量数据。