要解决这个问题，你可以使用Python编程语言来处理和分析数据。以下是一个解决方法的代码示例：

import pandas as pd

# 读取数据文件
data = pd.read_csv('汽车销量数据.csv')

# 按年份分组，并计算每个品牌的总销量
popular_brands = data.groupby(['年份', '品牌'])['销量'].sum()

# 找到每个年份的最受欢迎的汽车品牌
most_popular_brands = popular_brands.groupby('年份').idxmax().apply(lambda x: x[1])

# 打印结果
for year, brand in most_popular_brands.items():
    print(f"最受欢迎的汽车品牌({year}年): {brand}")

在这个示例中，假设你有一个名为“汽车销量数据.csv”的数据文件，其中包含了年份、品牌和销量等信息。首先，我们使用pd.read_csv()函数将数据文件读入一个DataFrame对象中。

然后，我们使用groupby()函数按年份和品牌进行分组，并计算每个品牌的总销量。这将得到一个多级索引的Series对象。

接下来，我们使用groupby()函数再次按年份分组，并使用idxmax()函数找到每个年份的最大销量对应的品牌。然后，使用apply()函数将多级索引转换为单级索引。

最后，我们使用一个循环遍历最受欢迎的汽车品牌，并打印结果。

请注意，你需要根据你的数据文件的实际情况来调整代码，包括数据文件的名称和列名等。