本文介绍如何使用 pandas 对含时间序列的商品数据按商品分组，准确提取每类商品最新日期对应的“item type”，同时累加该商品全部历史销量，解决动态属性追踪与聚合统计的典型需求。
本文介绍如何使用 pandas 对含时间序列的商品数据按商品分组，准确提取每类商品最新日期对应的“item type”，同时累加该商品全部历史销量，解决动态属性追踪与聚合统计的典型需求。
在实际业务中（如商品主数据管理、SKU 属性变更追踪或零售分析），同一商品的属性（如 Item type）会随时间变化，而我们需要基于最新生效记录获取当前有效类型，并同步统计其历史总销量。关键在于：不能简单按日期排序后取 .last() 整行（易出错），而应明确对不同列指定不同的聚合逻辑——Item type 和 Date 取最后非空值（即最新时间点的值），Sales 则需求和。
✅ 正确做法：groupby().agg() 指定多列不同聚合函数
Pandas 的 DataFrame.groupby().agg() 支持为不同列指定不同聚合方法，这正是本场景的理想解法：
import pandas as pd
# 构造示例数据（注意：日期为字符串，后续建议转为 datetime 以确保正确排序）
df = pd.DataFrame({
'Item': ['Apple', 'Apple', 'Apple', 'Orange'],
'Item type': ['Healthy', 'Vegan', 'Fruit', 'Organic'],
'Date': ['Jan 1', 'Jan 5', 'Jan 7', 'Jan 3'],
'Sales': [10, 5, 2, 8]
})
# 按 Item 分组，对各列应用不同聚合：
# - 'Item type' 和 'Date' 取最后一个值（隐含按原始顺序，故需确保数据已按日期升序排列）
# - 'Sales' 求和
result = df.groupby('Item').agg({
'Item type': 'last',
'Date': 'last',
'Sales': 'sum'
}).reset_index()
print(result)输出：
Item Item type Date Sales 0 Apple Fruit Jan 7 17 1 Orange Organic Jan 3 8
⚠️ 重要前提：数据必须按日期升序排列
'last' 操作依赖于组内行的物理顺序。若原始数据中同 Item 的记录未按时间先后排列（如 Jan 7 在 Jan 1 前），'last' 将返回错误类型。因此，强烈建议先将 Date 列转换为 datetime 并排序：
# 推荐增强版：鲁棒性处理日期
df['Date'] = pd.to_datetime(df['Date'], format='%b %d') # 自动补全年份（如 2024）
df = df.sort_values(['Item', 'Date']) # 按 Item 分组内严格升序
result = df.groupby('Item').agg({
'Item type': 'last',
'Date': 'last',
'Sales': 'sum'
}).reset_index()
# 可选：将 Date 格式化回可读字符串
result['Date'] = result['Date'].dt.strftime('%b %d')? 为什么不用 df.groupby(...).last()？
DataFrameGroupBy.last() 确实可用于非数值列，但它是对整个子 DataFrame 行取最后非空值（类似 .tail(1)），不支持为不同列定制逻辑（如本例中需 type 取 last、sales 取 sum）。而 agg({...}) 提供了精确控制能力，是更通用、更安全的选择。
✅ 最终输出说明
结果表仅保留三列：Item、最新 Item type、该商品全部 Sales 累计值——完全匹配需求。对于 500+ 商品的大规模数据，该方案性能优异且逻辑清晰，可直接集成至 ETL 或报表流水线。
总结：用 groupby().agg() 显式声明各列聚合方式 + 预排序日期列 = 准确、可维护、可扩展的解决方案。
