原文恕删，这类资料处理我都会用 pandas 来做，因为方便 import pandas as pd 资料格式有三个栏位： zipcode date revenue : mock=[[106,20150101,100], : [106,20150101,200], : [106,20150201,300], : [106,20150201,400], : [220,20150201,200], : [220,20150201,300], : [220,20150301,400], : [220,20150301,500]] # 读入资料 df = pd.DataFrame(mock, columns=['zipcode', 'date', 'revenue']) # 如果有需要的话，可以把 date 转成 Python datetime 物件 # df.date = pd.to_datetime(df.date, format='%Y%m%d') # 执行你想要的 groupby merged_df = df.groupby(['zipcode', 'date']).sum() # 把 Dataframe 转成 list of tuple 形式（可以再转成 list of list） list(merged_df.to_records()) Output: [(106, 20150101, 300), (106, 20150201, 700), (220, 20150201, 500), (220, 20150301, 900)] EDIT 抱歉刚刚没看到第二部份，我有点没理解你的意思， 是希望同一区每月的营收能逐月累加吗？ # 让它变回常见的 DataFrame df = merged_df.reset_index() # 确定按照 zipcode 小->大, date 旧->新 排序 df.sort(['zipcode', 'date'], inplace=True) # 用 zipcode 做 groupby，对营收做累加，把结果存在新的 cumsum 栏位 grouped = df.groupby('zipcode', sort=False) df['cumsum'] = grouped.cumsum() # 输出 list(df.to_records(index=False)) Output: [(106, 20150101, 300, 300), (106, 20150201, 700, 1000), (220, 20150201, 500, 500), (220, 20150301, 900, 1400)] 希望有帮到你的忙~ -- PyCon APAC 2015 募集讲题中 ~Mar 31 详见 https://tw.pycon.org/2015apac/en/call-for-proposals/ （依然徵求志工中，欢迎写信至 [email protected]） --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.42.225.184 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1427299541.A.C37.html ※ 编辑: ccwang002 (114.42.225.184), 03/26/2015 01:17:19