如何在单行中表示会计文档？解决维度不匹配问题

针对你遇到的会计文档行项目数量不固定、无法直接转单行的问题，有三种实用方法可以解决：

1. 嵌套列表/字典列（保留完整行项目细节） #

将每个文档的所有行项目打包成列表或字典，存储在单独的列中，这样每个文档对应一行，不会出现维度不匹配。用Pandas实现的示例代码如下：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Amount': [100, 30, 30, 40],
    'Credit(1)/Debit(0) Indicator': [1, 0, 0, 0],
    'Account': ['00001', '00020', '00010', '00005'],
    'Document ID': ['999999', '999999', '999999', '999999']
})

# 按文档ID分组，将行项目转为字典列表
single_row_df = df.groupby('Document ID').apply(
    lambda x: x[['Amount', 'Credit(1)/Debit(0) Indicator', 'Account']].to_dict('records')
).reset_index(name='Line Items')

print(single_row_df)

输出后每个文档ID对应一行，Line Items列包含该文档的所有行项目明细。

2. 宽表展开（结构化特征适配） #

如果能确定所有文档中行项目的最大数量，可以将每个行项目的字段展开为独立列（如Amount_1、DebitCredit_2等），不足数量的行用空值填充。示例代码：

# 给每个文档内的行项目编号
df['Line Num'] = df.groupby('Document ID').cumcount() + 1

# 透视转宽表
wide_df = df.pivot(
    index='Document ID',
    columns='Line Num',
    values=['Amount', 'Credit(1)/Debit(0) Indicator', 'Account']
)

# 调整列名格式
wide_df.columns = [f'{col[0]}_{col[1]}' for col in wide_df.columns]
wide_df = wide_df.reset_index()

print(wide_df)

这种方法适合需要结构化输入的模型训练场景，但行项目数量差异过大时会产生大量空值。

3. 聚合统计特征（宏观分析场景） #

如果不需要保留单个行项目的细节，可以按文档ID聚合生成统计指标，彻底规避维度问题。示例代码：

agg_df = df.groupby('Document ID').agg(
    Total_Credit=('Amount', lambda x: x[df['Credit(1)/Debit(0) Indicator'] == 1].sum()),
    Total_Debit=('Amount', lambda x: x[df['Credit(1)/Debit(0) Indicator'] == 0].sum()),
    Line_Item_Count=('Amount', 'count'),
    Unique_Accounts=('Account', 'nunique')
).reset_index()

print(agg_df)

该方法生成的是文档级的统计数据，适合做宏观趋势分析或特征工程。

内容的提问来源于stack exchange，提问作者Andreas