如何基于Pandas的isin方法实现发票数据中信用记录及对应单笔收费行的精准删除？

首先得明确：你用的df1[~df1.isin(df2)].dropna()方法没法实现只删除匹配行一次——因为isin会把所有和信用记录内容匹配的收费行都标记为需要删除，不管重复多少次。比如Case115的两笔53收费都会被删掉，但你只想删其中一笔。

要实现你的需求，核心思路是给重复的收费行加上组内序号，这样即使行内容完全一致，也能通过序号区分开，然后只删除和信用记录序号对应的那一笔。下面是具体的实现步骤，结合你的示例数据：

步骤1：准备数据（模拟你的charge和credit数据集） #

先把示例数据转换成pandas DataFrame，和你的拆分逻辑保持一致：

import pandas as pd

# 原始发票数据
invoice_data = [
    [111, "2G", 53.00],
    [112, "7G", 25.00],
    [112, "7G", 25.00],
    [113, "8G", 20.00],
    [113, "8G", -20.00],
    [114, "9G", 15.00],
    [115, "2G", 53.00],
    [115, "2G", 53.00],
    [115, "2G", -53.00]
]
invoice_df = pd.DataFrame(invoice_data, columns=["Case", "Part_Number", "Cost"])

# 拆分收费和信用数据
charge_df = invoice_df[invoice_df["Cost"] > 0].reset_index(drop=True)
credit_df = invoice_df[invoice_df["Cost"] < 0].reset_index(drop=True)

步骤2：给重复行添加组内序号 #

我们给每个收费组（按Case、Part_Number、Cost分组）的行分配递增序号，让重复行拥有唯一标识：

# 给收费数据添加组内序号，从0开始计数
charge_df["group_seq"] = charge_df.groupby(["Case", "Part_Number", "Cost"]).cumcount()

处理后charge_df的group_seq列会帮你区分重复行：

接着处理信用数据：把Cost转成绝对值（和收费金额对齐），同样添加组内序号（每个信用组只有1行，所以序号都是0）：

credit_df_matched = credit_df.copy()
# 信用记录的Cost取绝对值，和收费金额匹配
credit_df_matched["Cost"] = credit_df_matched["Cost"].abs()
# 给信用数据添加组内序号
credit_df_matched["group_seq"] = credit_df_matched.groupby(["Case", "Part_Number", "Cost"]).cumcount()

处理后credit_df_matched：

步骤3：精准筛选需要保留的收费行 #

现在通过Case、Part_Number、Cost、group_seq四个字段的组合来匹配，只删除和信用记录完全对应的那一行：

# 把两个DataFrame的关键字段转成索引，用于匹配
charge_index = charge_df.set_index(["Case", "Part_Number", "Cost", "group_seq"]).index
credit_index = credit_df_matched.set_index(["Case", "Part_Number", "Cost", "group_seq"]).index

# 保留不在信用索引中的收费行，删除临时的group_seq列
filtered_charge = charge_df[~charge_index.isin(credit_index)].drop(columns="group_seq")

最终结果 #

运行后filtered_charge就是你想要的输出：

为什么原来的方法不行？ #

isin()是检查整行是否存在于另一个DataFrame中，对于重复行（比如Case115的两笔53），它会把所有匹配行都标记为True，所以~isin()会删掉所有重复行，没法控制只删除一次。而添加组内序号后，我们给每一行加了唯一标识，就能精准定位到需要删除的那一笔。

内容的提问来源于stack exchange，提问作者Link157