16 lines
836 B
Python
16 lines
836 B
Python
|
|
|||
|
|
import pandas as pd
|
|||
|
|
|
|||
|
|
import plotly.express as px
|
|||
|
|
|
|||
|
|
data = {
|
|||
|
|
'Date': ['2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-03', '2024-01-03'],
|
|||
|
|
'Product': ['A', 'B', 'A', 'B', 'A', 'B'],
|
|||
|
|
'Sales': [100, 150, 120, 110, 130, 120]
|
|||
|
|
}
|
|||
|
|
df = pd.DataFrame(data)
|
|||
|
|
grouped_df = df.groupby('Product')['Sales'].sum()
|
|||
|
|
print(grouped_df)
|
|||
|
|
# 这个操作将按照Product列进行分组，并计算每个分组中Sales列的总和，从而得到每个产品的总销售额。
|
|||
|
|
# 这意味着产品A的总销售额为350，而产品B的总销售额为380。通过使用groupby方法，我们能够轻松地按照Product列对数据进行分组，并计算每个分组的Sales列总和，从而得到每个产品在所有日期上的总销售额。这个例子展示了groupby方法在数据分析和处理中的强大功能和灵活性
|