如何获取上一行值并执行减法运算（LAN分组循环实现）

你遇到的核心问题是按LAN分组实现余额的滚动迭代计算，不需要用循环，用窗口函数（SQL）或分组累计（Python）就能高效解决——本质是把"上一行Closing_Bal作为下一行Opening_Bal"转化为分组内的累计EMI扣除。

SQL 实现方案 #

假设你的数据表包含LAN、Opening_bal（仅每组第一行有初始值）、EMI，且有明确的排序字段（比如交易日期、行号），可以用窗口函数的累计求和来模拟滚动计算：

WITH grouped_ranked AS (
    SELECT 
        LAN,
        Opening_bal,
        EMI,
        -- 给每个LAN组内的行按顺序编号，确保计算逻辑正确
        ROW_NUMBER() OVER (PARTITION BY LAN ORDER BY 你的排序字段) AS row_num
    FROM 你的表名
)
SELECT 
    LAN,
    -- 计算当前行的Opening_bal：组内初始余额减去之前所有行的EMI总和
    FIRST_VALUE(Opening_bal) OVER (PARTITION BY LAN ORDER BY row_num)
    - COALESCE(SUM(EMI) OVER (PARTITION BY LAN ORDER BY row_num ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING), 0) AS Opening_bal,
    EMI,
    -- 计算Closing_Bal：组内初始余额减去当前及之前所有行的EMI总和
    FIRST_VALUE(Opening_bal) OVER (PARTITION BY LAN ORDER BY row_num)
    - SUM(EMI) OVER (PARTITION BY LAN ORDER BY row_num) AS Closing_Bal
FROM grouped_ranked
ORDER BY LAN, row_num;

逻辑说明 #

1. PARTITION BY LAN：将数据按LAN分组，每个组独立计算，遇到新LAN自动重置
2. FIRST_VALUE(Opening_bal)：获取每个LAN组的初始余额
3. SUM(EMI) OVER (...)：计算从组内第一行到当前行（或前一行）的EMI累计值，用这个累计值从初始余额中扣除，就得到了对应行的Opening/Closing余额

Python Pandas 实现方案 #

如果用Python处理数据，用groupby结合cumsum同样可以实现：

import pandas as pd

# 假设你的数据框df已按LAN和排序字段排好序
df['cumulative_emi'] = df.groupby('LAN')['EMI'].cumsum()
# 获取每个LAN组的初始余额
df['initial_balance'] = df.groupby('LAN')['Opening_bal'].transform('first')

# 计算Closing_Bal
df['Closing_Bal'] = df['initial_balance'] - df['cumulative_emi']
# 计算Opening_bal：当前行的Opening_bal = Closing_Bal + 当前EMI（第一行除外）
df['Opening_bal'] = df['Closing_Bal'] + df['EMI']
# 修正第一行的Opening_bal为初始值
df.loc[df.groupby('LAN').head(1).index, 'Opening_bal'] = df.loc[df.groupby('LAN').head(1).index, 'initial_balance']

# 清理中间列（可选）
df = df.drop(['cumulative_emi', 'initial_balance'], axis=1)

为什么不用循环？ #

循环逐行计算在大数据量下性能极差，而分组累计的方式是向量/集合运算，数据库或pandas会做优化，执行效率高得多，同时逻辑更清晰，便于维护。

内容的提问来源于stack exchange，提问作者Freaky_foxx