如何利用Pandas DataFrame识别商品价格不匹配的错误SKU？

前提假设 #

假设你的数据已经加载为Pandas DataFrame，命名为df，包含SKU、Amazon、eBay、Walmart、PS、SPL这些列。

1. 检查PS与SPL列的价格一致性 #

要求：PS和SPL同时非空时，价格必须完全匹配，不匹配的标记为错误SKU。

操作代码 #

# 新增一列标记PS和SPL的错误情况：同时非空且价格不等则为True
df['PS_SPL_错误'] = df[['PS', 'SPL']].notna().all(axis=1) & (df['PS'] != df['SPL'])

# 提取所有PS/SPL价格不匹配的错误SKU
ps_spl_error_skus = df[df['PS_SPL_错误']]['SKU'].tolist()
print("PS/SPL价格不匹配的SKU：", ps_spl_error_skus)

代码解释 #

• df[['PS', 'SPL']].notna().all(axis=1)：判断每行的PS和SPL是否都不为空
• & (df['PS'] != df['SPL'])：同时满足“都非空”且“价格不等”时，标记为错误
• 最后通过筛选PS_SPL_错误为True的行，提取对应SKU

2. 检查Amazon/eBay/Walmart列的价格一致性 #

要求：这三列中只要有非空值，所有非空的价格必须一致（全空也没问题）。

操作代码 #

# 定义检查函数：判断一行中电商平台的非空价格是否存在不一致
def check_ecommerce_prices(row):
    # 提取当前行中电商平台列的非空价格
    valid_prices = row[['Amazon', 'eBay', 'Walmart']].dropna()
    # 当非空价格数量≥2且存在不同值时，标记为错误
    return len(valid_prices) >= 2 and valid_prices.nunique() > 1

# 新增一列标记电商平台的错误情况
df['电商平台_错误'] = df.apply(check_ecommerce_prices, axis=1)

# 提取所有电商平台价格不一致的错误SKU
ecommerce_error_skus = df[df['电商平台_错误']]['SKU'].tolist()
print("电商平台价格不匹配的SKU：", ecommerce_error_skus)

代码解释 #

• row[['Amazon', 'eBay', 'Walmart']].dropna()：去掉当前行中这三列的空值，只保留有效价格
• len(valid_prices) >=2：确保至少有两个平台有价格（只有一个平台有价格时无需检查一致性）
• valid_prices.nunique() >1：判断有效价格中是否存在不同值，是则标记错误

3. 汇总所有错误SKU #

如果需要一次性查看所有有问题的SKU，可以合并两个筛选结果：

# 合并两类错误的SKU，去重后输出
all_error_skus = list(set(ps_spl_error_skus + ecommerce_error_skus))
print("所有价格不一致的错误SKU：", all_error_skus)

内容的提问来源于stack exchange，提问作者TaCh-Da