Resuma dados CSV em nível de pedido por mês com pandas e depois reconcilie as contagens, unidades e valores agrupados com a fonte. Um pequeno exemplo sintético facilita a verificação manual de todos os resultados esperados.
A tradução foi feita com IA. Confira o código, as unidades e os valores junto com o original. A revisão por falantes nativos de cada idioma ainda não foi concluída. English
Para quem éEste guia é voltado a pessoas que precisam de um resumo CSV mensal repetível e querem verificações explícitas de que a agregação não perdeu registros.
Este exemplo produz uma linha por calendar month com três medidas: order count, total units e total amount. A fonte sintética usa uma linha por order, portanto contar linhas equivale a contar orders neste dataset específico.
A etapa importante é a reconciliation. Depois do groupby, os valores mensais são somados novamente e comparados com os source totals. Um summary pode parecer razoável mesmo quando rows foram acidentalmente filtradas, duplicadas ou descartadas.
O dataset a seguir é sintético e foi criado especificamente para este artigo. Salve-o como monthly_orders.csv. Ele contém sete orders entre janeiro, fevereiro e março de 2026.
order_id,order_date,team,units,amount
O001,2026-01-05,North,2,40
O002,2026-01-20,South,3,60
O003,2026-02-02,North,1,25
O004,2026-02-18,South,4,100
O005,2026-02-28,North,2,50
O006,2026-03-03,South,5,125
O007,2026-03-15,North,1,30
Os source totals são simples o suficiente para serem verificados manualmente. Há 7 orders. Units totalizam 18: 2 + 3 + 1 + 4 + 2 + 5 + 1. Amount totaliza 430: 40 + 60 + 25 + 100 + 50 + 125 + 30.
| Medida | Total da fonte |
|---|---|
| Orders | 7 |
| Units | 18 |
| Amount | 430 |
Janeiro contém O001 e O002. Fevereiro contém O003, O004 e O005. Março contém O006 e O007. Somar cada group fornece a tabela mensal esperada.
| month | orders | units | amount |
|---|---|---|---|
| 2026-01 | 2 | 5 | 100 |
| 2026-02 | 3 | 7 | 175 |
| 2026-03 | 2 | 6 | 155 |
Os monthly totals reconciliam com a fonte: 2 + 3 + 2 = 7 orders, 5 + 7 + 6 = 18 units e 100 + 175 + 155 = 430 amount.
Salve o script a seguir como monthly_summary_pandas.py. Ele valida as required columns, rejeita order IDs ausentes ou duplicados, interpreta datas com um único formato explícito, converte numeric columns, agrupa por month, reconcilia os totals e grava o resultado somente depois que essas verificações passam.
from pathlib import Path
import pandas as pd
SOURCE = Path("monthly_orders.csv")
OUTPUT_DIR = Path("outputs") / "monthly_summary_result"
OUTPUT = OUTPUT_DIR / "monthly_summary.csv"
REQUIRED = ["order_id", "order_date", "units", "amount"]
def main() -> None:
if not SOURCE.is_file():
raise FileNotFoundError(f"Source CSV not found: {SOURCE}")
if OUTPUT_DIR.exists():
raise FileExistsError(f"Output folder already exists: {OUTPUT_DIR}")
data = pd.read_csv(SOURCE, dtype={"order_id": "string"})
missing = [name for name in REQUIRED if name not in data.columns]
if missing:
raise ValueError(f"Missing required columns: {missing}")
if data.empty:
raise ValueError("Source CSV contains no data rows.")
if data[REQUIRED].isna().any().any():
raise ValueError("A required field contains a missing value.")
if data["order_id"].str.strip().eq("").any():
raise ValueError("order_id contains a blank value.")
if data["order_id"].duplicated().any():
raise ValueError("Duplicate order_id found.")
data["order_date"] = pd.to_datetime(
data["order_date"], format="%Y-%m-%d", errors="raise"
)
data["units"] = pd.to_numeric(data["units"], errors="raise")
data["amount"] = pd.to_numeric(data["amount"], errors="raise")
data["month"] = data["order_date"].dt.to_period("M").astype(str)
summary = (
data.groupby("month", as_index=False, sort=True)
.agg(
orders=("order_id", "count"),
units=("units", "sum"),
amount=("amount", "sum"),
)
)
source_totals = (len(data), data["units"].sum(), data["amount"].sum())
summary_totals = (
summary["orders"].sum(),
summary["units"].sum(),
summary["amount"].sum(),
)
if summary_totals != source_totals:
raise RuntimeError("Monthly totals do not reconcile with the source.")
OUTPUT_DIR.parent.mkdir(parents=True, exist_ok=True)
OUTPUT_DIR.mkdir()
summary.to_csv(OUTPUT, index=False)
check = pd.read_csv(OUTPUT)
if check.to_dict("records") != summary.to_dict("records"):
raise RuntimeError("Saved CSV does not match the calculated summary.")
print(f"Source rows: {len(data)}.")
print(f"Months: {len(summary)}.")
print(f"Verified totals: units={source_totals[1]}, amount={source_totals[2]}.")
print(f"Output: {OUTPUT.as_posix()}")
if __name__ == "__main__":
main()
python monthly_summary_pandas.pyA saída deve conter três data rows ordenadas por month. O conteúdo esperado do CSV é mostrado abaixo.
month,orders,units,amount
2026-01,2,5,100
2026-02,3,7,175
2026-03,2,6,155
A saída esperada do console abaixo foi derivada manualmente a partir dos dados sintéticos e do código. Não é um execution log capturado.
Source rows: 7.
Months: 3.
Verified totals: units=18, amount=430.
Output: outputs/monthly_summary_result/monthly_summary.csv| Sintoma | O que verificar |
|---|---|
| ModuleNotFoundError for pandas | Instale pandas no mesmo Python environment com python -m pip install pandas. |
| Missing required columns | Verifique o CSV header antes de alterar o expected schema. |
| Date parsing error | Confirme que todo order_date usa YYYY-MM-DD. |
| Numeric conversion error | Inspecione units e amount para text, currency symbols ou separators que exijam uma cleanup rule explícita. |
| Duplicate order_id found | Determine se o ID repetido é um accidental duplicate ou representa um data model diferente. |
| FileExistsError | Revise o resultado anterior e use uma nova output folder em vez de sobrescrevê-lo. |
Grand totals correspondentes não provam que todos os months estão corretos, porque dois erros mensais podem se compensar. Para reports importantes, inspecione também algumas source rows conhecidas e month-level subtotals.
O exemplo pressupõe uma linha por order e amounts inteiros. Se um order ocupar várias line-item rows, use uma rule como order_id.nunique() em vez de row count. Monetary data reais também podem exigir fixed-point integer units ou processamento baseado em Decimal em vez de ordinary floating-point arithmetic.
Month é derivado diretamente de uma date sem time-zone handling. Se dados reais contiverem timestamps de várias zones, defina a business time zone antes do grouping. Refunds, cancellations, filters e missing records também precisam de business rules explícitas; arithmetic reconciliation sozinha não consegue determinar se essas rows pertencem ao report.
ChatGPT Python tool · Python 3.13.5 · pandas 2.2.3
As explicações e os exemplos são de elaboração própria. Os comportamentos e conceitos relacionados podem ser consultados nas fontes oficiais abaixo.