如何基于另一DataFrame实现DataFrame分组累计求和

你之前直接用cumsum()没得到正确结果，核心是没搞对计算维度：这个累计值不能在指定客户的子集上算，要先在全量订单表中，按产品分组、按下单时间排序算出每个时间节点的累计订购量，再关联回指定客户订单表即可。 #

步骤1：统一日期格式 #

首先把两个表的order_date字段从字符串转为标准日期格式，否则字符串比较会出现日期逻辑错误：

import pandas as pd

# target_df是你的指定客户订单表，full_df是全量订单主表
target_df["order_date"] = pd.to_datetime(target_df["order_date"], format="%m/%d/%Y")
full_df["order_date"] = pd.to_datetime(full_df["order_date"], format="%m/%d/%Y")

如果你的实际日期格式不是月/日/年，对应修改format参数即可 #

步骤2：在全量表计算各产品的时间维度累计销量 #

先按产品+日期聚合单日销量，再分组做累计求和，避免同日多笔订单导致的计算重复：

# 聚合得到每个产品每日的总订购量
daily_product_sales = full_df.groupby(
    ["product_id", "order_date"], as_index=False
)["quantity"].sum()

# 按产品分组、日期升序排序后，计算累计销量
daily_product_sales = daily_product_sales.sort_values(["product_id", "order_date"])
daily_product_sales["cum_quantity"] = daily_product_sales.groupby("product_id")["quantity"].cumsum()

步骤3：关联累计值到指定客户订单表 #

用pandas自带的merge_asof做方向关联，刚好适配「匹配当前订单日期及之前的最新累计值」的需求，比手写循环效率高很多：

# merge_asof要求关联键提前排序
target_df = target_df.sort_values(["product_id", "order_date"])

result = pd.merge_asof(
    target_df,
    daily_product_sales[["product_id", "order_date", "cum_quantity"]],
    on="order_date",
    by="product_id",
    direction="backward" # 仅匹配早于等于当前订单日期的记录
)

# 字段重命名为要求的名称
result = result.rename(columns={"cum_quantity": "quantity_needed"})

结果校验 #

用你提供的样例数据运行后，001产品的计算结果和预期完全一致：

注：按你描述的「仅统计下单日期早于等于当前订单日期」规则，样例全量表中2022-01-05及之前的002产品订单仅客户1自身的10件，你举例提到的35总和实际包含了1月6日、1月10日的后续订单，如果你的业务规则实际需要包含订单日期后N天的备货量，给merge_asof加tolerance参数设置时间窗口即可。

内容的提问来源于stack exchange，提问作者Hannah