基于Pandas实现多用户存提记录的动态时序累计余额计算

看起来你在从单用户扩展到多用户统计时踩了两个坑：一是分组时间维度不统一导致的行数爆炸，二是没有找到动态生成用户列的正确姿势。我来帮你梳理下解决方案：

问题根源分析 #

你之前分别按Created（存款时间）和Finished（取款时间）分组统计，这两个时间轴的交集/并集会产生大量不必要的组合，直接导致行数从2500暴涨到39万+。而且这种分开统计的方式，很难对齐所有用户的时间维度，后续unstack自然会出问题。

正确的处理流程 #

我们需要先统一交易的时间维度，再按用户+时间分组，最后动态生成各用户的净变动和累计余额列。

1. 数据预处理：统一交易类型标记

首先把存款和取款记录转换成统一的类型标识（存款记为+1，取款记为-1），避免分开统计：

# 假设df2中，Deposits非空代表存款，Withdrawals非空代表取款
df2['transaction_type'] = df2.apply(
    lambda row: 1 if pd.notna(row['Deposits']) else -1,
    axis=1
)

2. 按时间+用户分组统计净变动

用同一个时间字段（比如交易发生时间Created）和用户分组，计算每个时间点每个用户的净存提次数：

# 按时间、用户分组，求和得到净变动（存款次数-取款次数）
net_mov_per_user = df2.groupby(['Created', 'name'])['transaction_type'].sum().rename('net_mov')

这一步得到的是一个MultiIndex Series，索引为(Created, name)，值为对应时间点该用户的净变动，不会产生冗余行。

3. 计算各用户的累计余额

按用户分组对net_mov做累计求和，得到每个用户的余额变化：

# 按用户维度分组，累计求和得到余额
balance_per_user = net_mov_per_user.groupby('name').cumsum().rename('balance')

4. 动态生成用户列（宽表格式）

用unstack把用户从索引转成列，自动适配所有未知用户：

# 合并净变动和余额，转成宽表格式
final_result = pd.concat([net_mov_per_user, balance_per_user], axis=1).unstack('name')

最终结果会生成多级列：('net_mov', '用户名')和('balance', '用户名')，完美适配n个未知用户的需求。

完整示例代码 #

import pandas as pd

# 模拟多用户数据集
data = {
    'Created': ['2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-03'],
    'name': ['Peter', 'Peter', 'Alice', 'Peter', 'Alice'],
    'Deposits': [100, None, 200, 150, None],
    'Withdrawals': [None, 50, None, None, 80]
}
df2 = pd.DataFrame(data)
df2['Created'] = pd.to_datetime(df2['Created'])

# 1. 标记交易类型
df2['transaction_type'] = df2.apply(
    lambda row: 1 if pd.notna(row['Deposits']) else -1,
    axis=1
)

# 2. 按时间+用户统计净变动
net_mov_per_user = df2.groupby(['Created', 'name'])['transaction_type'].sum().rename('net_mov')

# 3. 计算累计余额
balance_per_user = net_mov_per_user.groupby('name').cumsum().rename('balance')

# 4. 动态生成用户列
final_result = pd.concat([net_mov_per_user, balance_per_user], axis=1).unstack('name')

print(final_result)

额外优化：填充缺失时间点 #

如果需要让时序图更连贯，可以用重采样填充缺失值：

# 按天重采样，缺失的净变动填0，余额用前值填充
final_result = final_result.resample('D').asfreq()
final_result['net_mov'] = final_result['net_mov'].fillna(0)
final_result['balance'] = final_result['balance'].ffill()

这样处理后，你就能直接用这个结果绘制多用户的存提对比时序图了。

内容的提问来源于stack exchange，提问作者klabbaparn