通过门店销售明细表用Python Pandas得到每月每个门店的销冠和按月的同比环比数据

假设我在本地有Excel销售表，包含ID主键、门店ID、日期、销售员姓名和销售额，需要用Pandas统计出每个月所有门店和各门店销售额最高的人，不一定是一个人，以及他所在的门店ID和月总销售额。

步骤1：导入数据并处理日期

import pandas as pd# 读取Excel文件
df = pd.read_excel('sales.xlsx')# 转换日期格式并提取月份
df['日期'] = pd.to_datetime(df['日期'])
df['月份'] = df['日期'].dt.to_period('M')  # 或使用.strftime('%Y-%m')

步骤2：统计各门店每月销售额最高的销售员

# 按月份、门店、销售员分组求和
store_monthly_sales = df.groupby(['月份', '门店ID', '销售员姓名'])['销售额'].sum().reset_index()# 找出每个门店每月的最高销售额
store_monthly_sales['max_sales'] = store_monthly_sales.groupby(['月份', '门店ID'])['销售额'].transform('max')
highest_per_store = store_monthly_sales[store_monthly_sales['销售额'] == store_monthly_sales['max_sales']].drop(columns='max_sales')

步骤3：统计所有门店每月销售额最高的销售员

# 按月份和销售员分组求和，并合并门店ID
all_store_sales = df.groupby(['月份', '销售员姓名']).agg(总销售额=('销售额', 'sum'),门店ID=('门店ID', lambda x: ', '.join(map(str, x.unique())))
).reset_index()# 找出每月最高总销售额
all_store_sales['max_total'] = all_store_sales.groupby('月份')['总销售额'].transform('max')
highest_all_stores = all_store_sales[all_store_sales['总销售额'] == all_store_sales['max_total']].drop(columns='max_total')

步骤4：导出结果到Excel

with pd.ExcelWriter('result.xlsx') as writer:highest_per_store.to_excel(writer, sheet_name='各门店月度冠军', index=False)highest_all_stores.to_excel(writer, sheet_name='全公司月度冠军', index=False)

结果说明

• 各门店月度冠军：包含月份、门店ID、销售员姓名及其销售额，可能有多个销售员并列。
• 全公司月度冠军：包含月份、销售员姓名、总销售额及其涉及的所有门店ID，可能有多个销售员并列。

假设我在本地有Excel销售表，包含ID主键、门店ID、日期、销售员姓名和销售额，需要用Pandas统计出按月统计的同比和环比数据，当前月如果不是月底的话，同比或环比数据需要取得上个月或者去年1日到对应的日期的总销售额值。

import pandas as pdfrom pandas.tseries.offsets import DateOffsetdef calculate_yoy_mom_sales(file_path, current_date=None):# 读取数据并处理日期df = pd.read_excel(file_path)df['日期'] = pd.to_datetime(df['日期'])# 设置当前日期（默认为数据最新日期）current_date = pd.to_datetime(current_date) if current_date else df['日期'].max()# 生成日期范围辅助列df['年月'] = df['日期'].dt.to_period('M')# 计算所有可能的月份范围min_date = df['日期'].min()max_date = current_datefull_months = pd.period_range(start=min_date, end=max_date, freq='M')results = []for period in full_months:# 当前统计月份信息month_start = period.start_timemonth_end = min(period.end_time, current_date)# 当前时间段销售额current_mask = (df['日期'] >= month_start) & (df['日期'] <= month_end)current_sales = df[current_mask]['销售额'].sum()# 同比计算（去年同时间段）last_year_start = month_start - DateOffset(years=1)last_year_end = month_end - DateOffset(years=1)last_year_mask = (df['日期'] >= last_year_start) & (df['日期'] <= last_year_end)yoy_sales = df[last_year_mask]['销售额'].sum()# 环比计算（上月同时间段）last_month_start = month_start - DateOffset(months=1)last_month_end = month_end - DateOffset(months=1)# 确保环比结束日期不超过上月最后一天last_month_end = min(last_month_end, last_month_start + pd.offsets.MonthEnd(1))mom_mask = (df['日期'] >= last_month_start) & (df['日期'] <= last_month_end)mom_sales = df[mom_mask]['销售额'].sum()results.append({'统计月份': period.strftime('%Y-%m'),'开始日期': month_start.date(),'结束日期': month_end.date(),'当月销售额': current_sales,'同比销售额': yoy_sales,'环比销售额': mom_sales,'同比增幅': (current_sales - yoy_sales) / yoy_sales if yoy_sales != 0 else None,'环比增幅': (current_sales - mom_sales) / mom_sales if mom_sales != 0 else None})result_df = pd.DataFrame(results)return result_df# 使用示例
result = calculate_yoy_mom_sales('sales.xlsx', '2023-06-15')
print(result)

方案特点：

1. 动态日期处理：

   • 自动处理非完整月份（如当前月到15号）
   • 智能对齐同比/环比时间段（自动调整到相同天数）
   • 处理月份天数差异（如2月28日对比）

2. 输出结果包含：

   • 统计月份
   • 实际统计日期范围
   • 当月销售额
   • 同比销售额（去年同期相同天数）
   • 环比销售额（上月同期相同天数）
   • 同比/环比增长率

3. 使用方式：

   # 自动使用数据最新日期
   result = calculate_yoy_mom_sales('sales.xlsx') # 指定截止日期
   result = calculate_yoy_mom_sales('sales.xlsx', '2023-06-15')
   

4. 处理边界情况：

   • 当月天数 > 比较月份天数时自动截断到月末
   • 处理零销售额时的增长率计算
   • 自动生成完整的时间序列（包含无销售的月份）

输出示例：

统计月份	开始日期	结束日期	当月销售额	同比销售额	环比销售额	同比增幅	环比增幅
2023-06	2023-06-01	2023-06-15	150000	120000	140000	0.25	0.071
2023-05	2023-05-01	2023-05-31	300000	280000	250000	0.071	0.2

注意事项：

1. 保证日期字段的完整性，缺失日期会导致统计偏差
2. 无历史数据时增长率显示为None
3. 建议配合数据验证使用（如检查日期范围是否合理）
4. 结果包含所有自然月，即使当月没有销售数据