使用Pandas合并DataFrame中成对交易行并保留原两行数据

你可以通过以下步骤用Pandas实现交易记录的配对合并：

1. 为每组交易添加组内索引：通过groupby.cumcount()给同一交易对（按Traders (alphabetical)分组）的两行分别标记0和1，用于后续配对。
2. 创建镜像数据集并重命名列：复制原数据集，反转组内索引（0变1，1变0），并将所有列名加上_y后缀，作为配对的对手方数据。
3. 按交易组和组内索引合并数据集：将原数据集与镜像数据集合并，得到每行对应的对手方记录。

完整代码示例 #

import pandas as pd

# 构造示例数据集（对应你的原始表格）
data = [
    ["John", "Mark", 100, 60, "John, Mark"],
    ["Mark", "John", 65, 90, "John, Mark"],
    ["Philip", "Isaac", 110, 20, "Isaac, Philip"],
    ["Isaac", "Philip", 20, 100, "Isaac, Philip"]
]
df = pd.DataFrame(
    data,
    columns=["Counterparty A", "Counterparty B", "Amount payed", "Amount received", "Traders (alphabetical)"]
)

# 步骤1：添加组内索引
df['idx'] = df.groupby('Traders (alphabetical)').cumcount()

# 步骤2：创建镜像数据集并处理
df_y = df.copy()
# 反转组内索引，确保配对正确
df_y['idx'] = df_y['idx'].map({0: 1, 1: 0})
# 重命名列，添加_y后缀
df_y.columns = [col + '_y' for col in df.columns]

# 步骤3：合并数据集
result = pd.merge(
    df, df_y,
    left_on=['Traders (alphabetical)', 'idx'],
    right_on=['Traders (alphabetical)_y', 'idx_y']
)

# 清理多余列，保留所需字段
result = result.drop(columns=['Traders (alphabetical)', 'idx', 'Traders (alphabetical)_y', 'idx_y'])

# 输出结果
print(result)

输出结果说明 #

运行后得到的DataFrame结构完全符合你的期望：每行的_x列是原记录，_y列是对应的交易对手方上报的记录，方便你直接对比金额差异。

如果需要在可视化时实现加粗/斜体的格式，可以使用Pandas的Styler功能：

def highlight_rows(val):
    # 为第一组的_x字段加粗，_y字段斜体；第二组同理反向
    if val.name.startswith('Counterparty A_x') and 'John' in str(val):
        return 'font-weight: bold'
    elif val.name.startswith('Counterparty A_y') and 'Mark' in str(val):
        return 'font-style: italic'
    elif val.name.startswith('Counterparty A_x') and 'Mark' in str(val):
        return 'font-style: italic'
    elif val.name.startswith('Counterparty A_y') and 'John' in str(val):
        return 'font-weight: bold'
    return ''

styled_result = result.style.applymap(highlight_rows)
styled_result.to_html('交易对比表.html', index=False)

内容的提问来源于stack exchange，提问作者cocobolo