如何基于另一DataFrame或列的条件删除行——重复账单与冲销金额的处理需求

我来帮你搞定这个需求！你已经能提取所有重复账单了，现在需要进一步调整逻辑——把有对应冲销的账单按冲销次数扣除，只保留真正重复且未被完全冲销的记录对吧？

先明确下核心业务规则：

• 对于同一Case+Part_Number的组合：
  • 统计**正向金额（Charges）**的出现次数
  • 统计**负向冲销金额（Credits）**的出现次数（冲销金额的绝对值需和正向金额一致）
  • 最终保留的正向记录数 = 正向次数 - 冲销次数，仅保留结果>0的记录

原始数据回顾 #

先把你的数据用表格列出来，方便对照：

原始DataFrame

目标结果

解决方案代码 #

这里用Pandas实现，逻辑清晰且易维护：

import pandas as pd

# 构建原始DataFrame（替换成你的实际数据源即可）
df = pd.DataFrame({
    'Case': [111, 112, 112, 113, 113, 114, 115, 115, 115],
    'Part_Number': ['2G', '7G', '7G', '8G', '8G', '9G', '2G', '2G', '2G'],
    'Cost': [53.00, 25.00, 25.00, 20.00, -20.00, 15.00, 53.00, 53.00, -53.00]
})

# 1. 拆分收费与冲销记录，给冲销记录标记对应正向金额的绝对值
charges = df[df['Cost'] > 0].copy()
credits = df[df['Cost'] < 0].copy()
credits['Abs_Cost'] = credits['Cost'].abs()

# 2. 统计每个账单组合的收费次数与冲销次数
charge_counts = charges.groupby(['Case', 'Part_Number']).size().reset_index(name='Charge_Count')
credit_counts = credits.groupby(['Case', 'Part_Number']).size().reset_index(name='Credit_Count')

# 3. 计算每个组合需要保留的记录数，过滤掉无需保留的组合
merged_counts = pd.merge(charge_counts, credit_counts, on=['Case', 'Part_Number'], how='left').fillna(0)
merged_counts['Keep_Count'] = merged_counts['Charge_Count'] - merged_counts['Credit_Count']
valid_groups = merged_counts[merged_counts['Keep_Count'] > 0]

# 4. 给收费记录添加组内序号，筛选出前N条（N=Keep_Count）
charges['Group_Index'] = charges.groupby(['Case', 'Part_Number']).cumcount() + 1
final_df = pd.merge(charges, valid_groups, on=['Case', 'Part_Number'])
final_df = final_df[final_df['Group_Index'] <= final_df['Keep_Count']]

# 5. 清理结果，保留目标列
final_df = final_df[['Case', 'Part_Number', 'Cost']].reset_index(drop=True)

print(final_df)

代码逻辑解释 #

• 步骤1：拆分正向收费和负向冲销数据，给冲销记录添加绝对值字段，确保后续能精准匹配对应金额的收费记录。
• 步骤2：统计每个账单组合的出现次数，比如Case115+2G的收费次数是2，冲销次数是1。
• 步骤3：计算每个组合需要保留的记录数，Case113+8G的保留数为0，直接排除；Case115+2G保留1条。
• 步骤4：给每个收费组内的记录添加序号，只保留前N条（N=Keep_Count），实现扣除冲销次数的效果。
• 步骤5：清理辅助字段，得到和目标格式完全一致的结果。

运行代码后，输出的final_df就完全符合你的需求啦！

内容的提问来源于stack exchange，提问作者Link157