如何基于多列关联在Pandas中实现不同DataFrame的算术运算？

数据背景 #

现有两个DataFrame：

DF1 #

DF2 #

需求 #

基于任意数量的关联列（此处为ColA、Colb、Date这些共同列），计算当日最终库存：Stock - Sales，预期结果如下：

当日最终库存 #

对应的等效SQL代码如下：

SELECT
    DF1.ColA,
    DF1.Colb,
    DF1.Date,
    DF1.Stock - coalesce(DF2.Sales, 0) AS Stock
FROM
    DF1
    LEFT JOIN DF2
        ON DF1.ColA = DF2.ColA 
        AND DF1.Colb = DF2.Colb 
        AND DF1.Date = DF2.Date

Pandas实现方法 #

提供两种实用的实现方式：

方法一：merge+算术运算（贴近SQL左连接逻辑） #

先通过merge执行左连接关联指定列，再计算库存并整理结果：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'ColA': ['A', 'B', 'C'],
    'Colb': [1, 2, 3],
    'Stock': [3, 3, 3],
    'Date': ['2022-12-26']*3
})

df2 = pd.DataFrame({
    'ColA': ['A', 'B', 'C'],
    'Colb': [1, 2, 3],
    'Sales': [1, 1, 1],
    'Date': ['2022-12-26']*3
})

# 指定关联列
join_cols = ['ColA', 'Colb', 'Date']
# 左连接两个DataFrame
merged_df = df1.merge(df2, on=join_cols, how='left')
# 计算最终库存，用fillna(0)处理DF2无匹配的情况
merged_df['Stock'] = merged_df['Stock'] - merged_df['Sales'].fillna(0)
# 保留需要的列
result_df = merged_df[join_cols + ['Stock']]
print(result_df)

方法二：set_index+算术运算（简洁高效） #

将共同列设为索引，直接执行减法运算后恢复索引：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'ColA': ['A', 'B', 'C'],
    'Colb': [1, 2, 3],
    'Stock': [3, 3, 3],
    'Date': ['2022-12-26']*3
})

df2 = pd.DataFrame({
    'ColA': ['A', 'B', 'C'],
    'Colb': [1, 2, 3],
    'Sales': [1, 1, 1],
    'Date': ['2022-12-26']*3
})

# 指定关联列
index_cols = ['ColA', 'Colb', 'Date']
# 设置索引后执行减法，fill_value=0处理无匹配的情况
result_df = (df1.set_index(index_cols)['Stock'] 
             - df2.set_index(index_cols)['Sales']
             .fillna(0)).reset_index()
print(result_df)

两种方法均可满足需求：方法一逻辑直观，适合需要保留中间数据或后续多步处理的场景；方法二代码更简洁，适合仅需完成算术运算的场景。

内容的提问来源于stack exchange，提问作者Ari Frid