如何基于单向贸易的Pandas DataFrame生成净贸易DataFrame？

场景还原 #

现有记录双边出口量的DataFrame df1，数据结构如下：

import pandas as pd

df1 = pd.DataFrame({
    'Country1': ['A', 'B', 'A'],
    'Country2': ['B', 'A', 'C'],
    'Value': [3, 5, 3]
})

我们需要生成df2，展示任意两国间的净贸易额（例如A→C净贸易额为3，B→A为2），且支持大量国家的自动化处理。

解决方案 #

核心思路是通过匹配反向贸易数据，自动计算每个国家对的净出口额，无需手动处理单一对国家。

方法一：合并反向数据计算净贸易额

# 创建反向贸易数据（交换Country1和Country2，重命名价值列）
reverse_df = df1.rename(columns={
    'Country1': 'Country2',
    'Country2': 'Country1',
    'Value': 'Reverse_Value'
})

# 合并原数据与反向数据，填充缺失值为0（代表无反向贸易）
merged_df = df1.merge(reverse_df, on=['Country1', 'Country2'], how='outer').fillna(0)

# 计算净贸易额：当前方向出口量 - 反向出口量
merged_df['Net_Value'] = merged_df['Value'] - merged_df['Reverse_Value']

# 整理df2，保留核心列并过滤无贸易的国家对（可选）
df2 = merged_df[['Country1', 'Country2', 'Net_Value']].reset_index(drop=True)
df2 = df2[df2['Net_Value'] != 0]

方法二：分组计算（适合需要统一国家对标识的场景）

如果需要将A→B和B→A视为同一组，先生成排序后的国家配对键，再聚合计算：

# 生成排序后的国家配对（如A-B和B-A统一为('A','B')）
df1['pair'] = df1.apply(lambda row: tuple(sorted([row['Country1'], row['Country2']])), axis=1)

# 按配对和出口方向聚合数据
pivot_df = df1.pivot_table(
    index='pair',
    columns='Country1',
    values='Value',
    fill_value=0
).reset_index()

# 拆分配对为国家列，计算指定方向的净贸易额
pivot_df['Country1'] = pivot_df['pair'].str[0]
pivot_df['Country2'] = pivot_df['pair'].str[1]
# 示例：计算B→A的净贸易额 = B出口到A的量 - A出口到B的量
pivot_df['Net_Value'] = pivot_df.get('B', 0) - pivot_df.get('A', 0)

# 整理df2
df2 = pivot_df[['Country1', 'Country2', 'Net_Value']].reset_index(drop=True)

结果验证 #

运行方法一的代码后，df2的输出结果为：

完全符合需求中的示例（B→A净贸易额为2，A→C为3）。

内容的提问来源于stack exchange，提问作者hbstha123