pandas 分析门店最高营业额日期

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

我们手里有一家连锁超市 2024 年 6 月 1–5 日的三家门店（北京店、上海店、广州店）营业额数据，输出每家门店本月最高营业额及该金额出现的日期。

数据与需求

构造数据如下：

import pandas as pd

data = {
    '日期': pd.date_range('2024-06-01', periods=5, freq='D'),
    '北京店': [9.2, 8.8, 10.1, 19.7, 10.5],
    '上海店': [10.5, 11.2, 10.8, 12.0, 11.5],
    '广州店': [18.7, 9.0, 9.5, 9.2, 9.8]
}
df = pd.DataFrame(data)
df
# ...

日期	北京店	上海店	广州店
2024-06-01	9.2	10.5	18.7
2024-06-02	8.8	11.2	9.0
2024-06-03	10.1	10.8	9.5
2024-06-04	19.7	12.0	9.2
2024-06-05	10.5	11.5	9.8

目标：在 不手写任何循环 的情况下，输出每家门店

本月最高营业额
该金额出现的日期

思路

常规的思路为：

先索引：把日期设为行索引，门店为列，方便横向操作。
一次性聚合：
- idxmax → 找到每列最大值所在的日期；
- max → 取到最大值本身。
重排结果：把列名转回索引，列名重命名为易读格式即可。

另外还有其他的一些思路。

代码

解法 1

(
    df.melt(id_vars='日期', var_name='门店', value_name='最高营业额')
      .loc[lambda d: d.groupby('门店')['最高营业额'].idxmax()]
      .set_index('门店')
)

解法 2

(
    df.set_index('日期')
      .agg(['idxmax', 'max'])
      .T
      .rename(columns={'idxmax':'日期','max':'最高营业额'})
)

解法 3

(
    df.set_index('日期')
      .idxmax()
      .to_frame('日期')
      .assign(最高营业额=df.set_index('日期').max())
)

运行结果（三种方法一致）：

        日期  最高营业额
门店                    
北京店 2024-06-04   19.7
上海店 2024-06-04   12.0
广州店 2024-06-01   18.7

小结

idxmax / max 天生就是横向统计神器。
把日期设为索引后，任何“门店→日期→数值”的查询都能一行解决。
根据团队口味任选上面三种写法即可，性能差异可忽略。

（完）