基于多条件的数据集加减运算Python Pandas自动化实现问询

问题背景 #

现有两个数据集：

第一个数据集 #

第二个数据集 #

运算规则 #

需基于type和week字段匹配执行以下运算：

• 若第一个数据集的value为正值：将该值加到第二个数据集对应type+week组中value最大的记录上
• 若第一个数据集的value为负值：从第二个数据集对应type+week组的value最大值开始扣除，结果不得低于0；若最大值不足以扣除，则依次扣除次大值，直到扣完指定数值

目标结果 #

处理后得到的目标数据集如下：

实现方案 #

以下是基于Pandas的通用实现代码，适配大规模数据处理场景：

import pandas as pd

# 加载数据集（实际场景替换为你的数据读取逻辑，如pd.read_csv）
df1 = pd.DataFrame({
    'type': ['A', 'A', 'B', 'D'],
    'week': [1, 2, 1, 4],
    'value': [10, -1, 50, -5]
})

df2 = pd.DataFrame({
    'type': ['A', 'A', 'D', 'D', 'D'],
    'group': [1, 2, 10, 11, 16],
    'week': [1, 1, 4, 4, 4],
    'value': [5, 10, 1, 2, 4]
})

# 保留原始索引，按type+week分组后对value降序排序
df2['original_idx'] = df2.index
df2_sorted = df2.sort_values(['type', 'week', 'value'], ascending=[True, True, False])

# 合并两个数据集，无匹配的组赋值0
merged = df2_sorted.merge(df1, on=['type', 'week'], how='left', suffixes=('', '_df1'))
merged['value_df1'] = merged['value_df1'].fillna(0)

# 定义分组处理逻辑
def process_group(group):
    adjust_val = group['value_df1'].iloc[0]
    if adjust_val == 0:
        return group
    
    if adjust_val > 0:
        # 正值：加到组内最大的value记录
        group.loc[group.index[0], 'value'] += adjust_val
    else:
        # 负值：从大到小依次扣除，确保不低于0
        remaining = -adjust_val
        for idx in group.index:
            if remaining <= 0:
                break
            current_val = group.loc[idx, 'value']
            deduct = min(current_val, remaining)
            group.loc[idx, 'value'] = max(current_val - deduct, 0)
            remaining -= deduct
    return group

# 分组执行处理
processed = merged.groupby(['type', 'week'], group_keys=False).apply(process_group)

# 恢复原始顺序并清理临时列
result = processed.sort_values('original_idx').drop(columns=['original_idx', 'value_df1'])

# 输出结果
print(result.reset_index(drop=True))

代码说明 #

1. 排序与索引保留：先对第二个数据集按type+week+value降序排序，同时保留原始索引，确保处理后能恢复数据初始顺序
2. 数据合并：将第一个数据集的匹配调整值合并到排序后的第二个数据集中，无匹配的组赋值0，避免干扰计算
3. 分组处理：
   • 正值直接追加到组内最大的value记录
   • 负值从大到小依次扣除，保证每个记录的value最终不低于0
4. 结果恢复：按原始索引排序，得到符合预期的最终数据集

内容的提问来源于stack exchange，提问作者N_ote