pandas读取excel 分组求和

假设有一个excel文件名为"test.xlsx"，其中有一个名为"data"的sheet含有以下数据：

| 日期 | 类别 | 金额 |
| ---------- | ---- | ---- |
| 2021-01-01 | A | 100 |
| 2021-01-01 | A | 200 |
| 2021-01-01 | B | 300 |
| 2021-01-02 | A | 150 |
| 2021-01-02 | B | 250 |

使用pandas读取excel并分组求和：

import pandas as pd

# 读取excel
df = pd.read_excel('test.xlsx', sheet_name='data')

# 分组求和
grouped = df.groupby(['日期', '类别']).sum()

print(grouped)

输出结果：

                  金额
日期        类别     
2021-01-01 A    300
           B    300
2021-01-02 A    150
           B    250

其中，groupby()函数按照指定的列进行分组，sum()函数对分组后的数据进行求和。

相关问题

pandas读取excel 分组，以出现一次求和加1

假设你有一个名为data.xlsx的Excel文件，其中包含以下数据：

| id | category |
|----|----------|
| 1 | A |
| 2 | B |
| 3 | A |
| 4 | C |
| 5 | B |
| 6 | A |
| 7 | C |
| 8 | A |
| 9 | B |
| 10 | C |

你可以使用以下代码来读取数据，并按category分组，并对每个组的出现次数加1：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 按category分组，并对每个组的出现次数加1
result = df.groupby('category').size().add(1)

print(result)

输出结果为：

category
A    4
B    3
C    3
dtype: int64

其中，每个组的出现次数加1后的结果为：

| category | count |
|----------|-------|
| A | 4 |
| B | 3 |
| C | 3 |

注意，我们使用了`add(1)`方法来对每个组的出现次数加1。这是因为`size()`方法只会计算每个组出现的次数，而不会对其进行任何处理。

pandas不同excel表求和 python

可以使用 pandas 库中的 read_excel() 方法读取不同的 Excel 表格，然后使用 pandas.concat() 方法将它们合并成一个 DataFrame，最后使用 DataFrame.sum() 方法求和即可。具体代码如下：

import pandas as pd

# 读取不同的 Excel 表格
df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')

# 合并成一个 DataFrame
df = pd.concat([df1, df2])

# 求和
total = df.sum()

print(total)

其中，'file1.xlsx' 和 'file2.xlsx' 分别是不同的 Excel 文件名，可以根据实际情况进行修改。