如何识别Pandas DataFrame中已抵消行，避免误标记重录项

我有一份财务系统导出的大型费用条目数据，包含matter（工作唯一标识）、date、amount三个字段。操作中会出现以下情况：

• 错误录入后，用抵消费用（金额为原条目相反数）取消同一matter、同一date的条目
• 偶尔会重新录入已被抵消的条目，形成「原条目→抵消条目→重录条目」三行数据

需求是准确标记：哪些行是抵消行，哪些行已被抵消。

原实现及问题 #

原代码通过遍历每行，检查同一matter+date下是否存在相反数金额来标记，但会误将重录条目（如下例第6行）标记为已抵消：

原代码 #

import pandas as pd
data = [
        [1,'1/2/2022',10],
        [1,'1/2/2022',15],
        [1,'1/2/2022',-10],
        [2,'1/4/2022',12],
        [2,'1/5/2022', 5],
        [2,'1/5/2022',-5],
        [2,'1/5/2022', 5]
    ]
df = pd.DataFrame(data, columns=['matter','date','amount'])

def rev_check(matter, date, WorkAmt, df):
    funcDF = df.loc[(df['matter'] == matter) & (df['date'] == date)] 
    listCheck = funcDF['amount'].tolist()
    if WorkAmt*-1 in listCheck:
        return 'yes'
    
df['reversal'] = df.apply(lambda row: rev_check(row.matter, row.date, row.amount, df), axis=1)

print(df)

原运行结果 #

matter      date  amount reversal
0       1  1/2/2022      10      yes
1       1  1/2/2022      15     None
2       1  1/2/2022     -10      yes
3       2  1/4/2022      12     None
4       2  1/5/2022       5      yes
5       2  1/5/2022      -5      yes
6       2  1/5/2022       5      yes

问题：第6行是重新录入的有效条目，不应被标记为yes，但原逻辑只检查是否存在相反数，忽略了「抵消关系是一对一配对」的规则——第4行已被第5行抵消，第6行没有对应的抵消条目。

优化方案 #

核心思路是按顺序配对抵消关系：同一matter+date分组内，按顺序寻找未被配对的相反数金额，完成配对后标记双方为抵消/被抵消，剩余未配对的条目不标记。

优化代码 #

import pandas as pd

data = [
        [1,'1/2/2022',10],
        [1,'1/2/2022',15],
        [1,'1/2/2022',-10],
        [2,'1/4/2022',12],
        [2,'1/5/2022', 5],
        [2,'1/5/2022',-5],
        [2,'1/5/2022', 5]
    ]
df = pd.DataFrame(data, columns=['matter','date','amount'])
df['reversal'] = None

# 按matter和date分组处理
for _, group in df.groupby(['matter', 'date']):
    # 复制分组数据，保留原始索引
    group_copy = group.copy().reset_index()
    # 记录已配对的索引
    paired_indices = set()
    
    for i, row in group_copy.iterrows():
        if i in paired_indices:
            continue
        target_amount = -row['amount']
        # 从当前行之后的位置寻找未配对的目标金额
        matches = group_copy[(group_copy.index > i) & 
                            (group_copy['amount'] == target_amount) & 
                            (~group_copy.index.isin(paired_indices))]
        if not matches.empty:
            # 取第一个匹配项
            match_idx = matches.index[0]
            # 标记原始DataFrame中的对应行
            df.at[group_copy.loc[i, 'index'], 'reversal'] = 'yes'
            df.at[group_copy.loc[match_idx, 'index'], 'reversal'] = 'yes'
            # 加入已配对集合
            paired_indices.add(i)
            paired_indices.add(match_idx)

print(df)

优化后运行结果 #

matter      date  amount reversal
0       1  1/2/2022      10      yes
1       1  1/2/2022      15     None
2       1  1/2/2022     -10      yes
3       2  1/4/2022      12     None
4       2  1/5/2022       5      yes
5       2  1/5/2022      -5      yes
6       2  1/5/2022       5     None

方案说明 #

• 按matter+date分组处理，确保只在同一工作、同一日期内配对
• 按条目顺序遍历，仅寻找当前条目之后的未配对相反数，模拟真实业务中「先录入原条目，再录入抵消条目」的流程
• 用集合记录已配对的索引，避免重复配对，确保每个条目最多被配对一次
• 最终未被配对的条目（如第6行）不会被标记，符合业务逻辑

内容的提问来源于stack exchange，提问作者zac