Pandas新增列匹配shipped_qty≥qty_needed对应的ship_date

核心逻辑是先计算发货表的累计发货总量，再用pandas.merge_asof做阈值匹配，自动找到第一个累计发货量≥订单所需累计量的对应发货日期，不需要写多层循环，大数据量下性能远高于手写for循环。

步骤1：导入依赖并构造示例数据 #

import pandas as pd

# 订单表
df_order = pd.DataFrame({
    'qty_ordered': [2,3,1,1,4,3,1,3,20],
    'qty_needed': [2,5,6,7,11,14,15,18,38]
})

# 发货表
df_ship = pd.DataFrame({
    'shipped_qty': [10,24,42],
    'ship_date': ['1/20/2022','2/20/2022','3/20/2022']
})

步骤2：预处理发货表，计算累计发货量 #

注意实际业务中如果发货表日期乱序，必须先按发货日期升序排序，再计算累计和：

# 按发货日期升序排序
df_ship = df_ship.sort_values('ship_date')
# 计算截至每个发货日期的累计总发货量
df_ship['cum_shipped'] = df_ship['shipped_qty'].cumsum()

预处理后的发货表内容：

步骤3：阈值匹配关联发货日期 #

merge_asof是pandas专门处理区间关联、阈值匹配场景的方法，这里指定direction='forward'即可匹配到第一个累计发货量≥订单需量的发货记录：

# merge_asof要求关联键必须升序排列，先对订单表排序
df_order = df_order.sort_values('qty_needed')

# 执行匹配
result = pd.merge_asof(
    df_order,
    df_ship[['cum_shipped', 'ship_date']],
    left_on='qty_needed',
    right_on='cum_shipped',
    direction='forward'
).drop(columns=['cum_shipped']) # 删除计算用的辅助列

最终输出 #

打印result即可得到预期结果：

qty_ordered  qty_needed  ship_date
0            2           2  1/20/2022
1            3           5  1/20/2022
2            1           6  1/20/2022
3            1           7  1/20/2022
4            4          11  2/20/2022
5            3          14  2/20/2022
6            1          15  2/20/2022
7            3          18  2/20/2022
8           20          38  3/20/2022

补充：如果坚持用for循环实现，逻辑是先存好发货累计值和对应日期的列表，遍历每一行qty_needed时，遍历累计发货列表找到第一个≥当前值的日期赋值即可，但数据量超过10万行时性能会比merge_asof差一个数量级，不推荐使用。

内容的提问来源于stack exchange，提问作者Hannah