如何合并Dataframe中同T_ID与卡号的交易，生成有效成功支付记录

核心实现步骤 #

• 过滤所有拒付状态的交易记录（需根据业务定义拒付状态，如REFUSED、DECLINED等）
• 按T_ID和Card Number分组，合并同一组内的PAID（正向金额）与REVERSAL（负向金额）交易，计算净额
• 合并后统一标记为PAID状态，最终输出金额为正的有效支付记录

代码实现（Pandas） #

import pandas as pd

# 构造示例原始数据
data = {
    'T_ID': [1, 1, 2, 3, 3],
    'Card Number': [1234, 1234, 5678, 9012, 9012],
    'Status': ['PAID', 'REVERSAL', 'PAID', 'REFUSED', 'PAID'],
    'Amount': [100, -30, 200, -50, 150]
}
df = pd.DataFrame(data)

# 1. 过滤拒付状态的记录（可根据实际业务调整拒付状态列表）
rejected_statuses = ['REFUSED', 'DECLINED']
filtered_df = df[~df['Status'].isin(rejected_statuses)]

# 2. 分组合并交易：按T_ID+卡号聚合金额，统一状态为PAID
merged_df = filtered_df.groupby(['T_ID', 'Card Number'], as_index=False).agg(
    Amount=('Amount', 'sum'),
    Status=('Status', lambda _: 'PAID')
)

# 3. 可选：过滤掉金额≤0的无效支付记录（根据业务需求决定是否保留）
final_valid_payments = merged_df[merged_df['Amount'] > 0]

# 输出结果
print(final_valid_payments)

输出结果 #

T_ID  Card Number  Amount Status
0     1         1234      70    PAID
1     2         5678     200    PAID
2     3         9012     150    PAID

关键说明 #

• 拒付状态列表需根据实际业务场景调整，确保所有无效拒付记录被排除
• 分组聚合时使用sum计算净额，自动抵消PAID与REVERSAL的金额
• 可选的金额过滤步骤可剔除撤销后无实际支付的记录，进一步保证数据集有效性

内容的提问来源于stack exchange，提问作者kukroid