基于字典实现DataFrame中按动态仓库-门店规则汇总销售数据

核心思路 #

先将仓库-门店的映射字典反转成门店-仓库的一对一映射，再关联到销售数据表，最后按指定维度分组求和，后续只需更新映射字典即可重新计算。

具体步骤 #

1. 定义仓库-门店映射字典
   根据分组信息创建字典（后续直接更新这个字典就能调整分组规则）：

   # 示例：仓库为键，对应门店列表为值
   warehouse_store_map = {
       "仓库A": ["门店001", "门店002"],
       "仓库B": ["门店003", "门店004"],
       "仓库C": ["门店005"]
   }
   

2. 反转字典为门店-仓库映射
   把一对多的仓库-门店关系转换成一对一的门店-仓库关系，方便后续映射到DataFrame：

   store_to_warehouse = {}
   for warehouse, stores in warehouse_store_map.items():
       for store in stores:
           store_to_warehouse[store] = warehouse
   

3. 给销售表新增仓库列
   使用map方法将门店字段映射为对应的仓库：

   # 假设销售数据表DataFrame名为sales_df，门店字段名为"门店"
   sales_df["仓库"] = sales_df["门店"].map(store_to_warehouse)
   

4. 按维度分组求和
   按日期、时段、仓库分组，统计销售总额：

   # 假设销售总额字段名为"销售总额"，日期字段名为"日期"，时段字段名为"时段"
   result_df = sales_df.groupby(["日期", "时段", "仓库"])["销售总额"].sum().reset_index()
   

补充说明 #

• 后续只需修改warehouse_store_map字典里的门店归属，重复执行步骤2-4就能自动生成新的统计结果。
• 如果销售表中有门店不在映射字典里，map后会出现NaN，可根据需求用fillna处理或过滤这些行。

内容的提问来源于stack exchange，提问作者New_to_python