Pandas如何将父行套餐价格分摊至对应的子商品行

规则说明 #

数据集为父子行顺序存储结构：

• 每条父行后紧跟其归属的所有子行，父行存储套餐整体信息，子行存储套餐内单条商品明细
• 父行price字段为套餐总价格，所有子行price字段取值为0
• 父行判定规则：行的P列取值与package列取值相等时，该行即为父行
• 不同套餐包含的子行数量不固定，无法通过固定大小窗口函数计算，需将父行套餐总价分摊至对应所有子行，结果存入新增列

实现代码 #

核心逻辑是通过父行位置累计生成分组ID，让所有子行自动关联到所属套餐，再完成分摊计算：

import pandas as pd

# 替换为自身数据集读取逻辑，示例为测试构造数据
df = pd.DataFrame([
    ["P001", "P001", 100, "套餐A"],
    ["P001", "S001", 0, "商品1"],
    ["P001", "S002", 0, "商品2"],
    ["P002", "P002", 150, "套餐B"],
    ["P002", "S003", 0, "商品3"],
    ["P002", "S004", 0, "商品4"],
    ["P002", "S005", 0, "商品5"],
], columns=["P", "package", "price", "goods_name"])

# 识别父行，累计生成套餐分组ID，子行自动继承最近父行的分组标记
df["package_group"] = (df["P"] == df["package"]).cumsum()

# 按分组提取套餐总价、统计组内子行总数
df["package_total"] = df.groupby("package_group")["price"].transform("max")
df["sub_item_count"] = df.groupby("package_group")["price"].transform("count") - 1 # 剔除父行本身

# 计算分摊金额，默认子行均摊，父行分摊值设为0，可按需调整
df["apportion_price"] = df.apply(
    lambda row: 0 if row["P"] == row["package"] else round(row["package_total"] / row["sub_item_count"], 2),
    axis=1
)

# 删除计算用的中间列
df = df.drop(columns=["package_group", "package_total", "sub_item_count"])

调整说明 #

• 若需按子行属性（如商品原价、重量）按比例分摊，只需调整apportion_price计算逻辑：先按分组计算每个子行的分摊权重，再乘以套餐总价即可
• 若需父行保留套餐总价，将lambda逻辑中父行的返回值从0替换为row["package_total"]
• 若数据集未按父子顺序排列，需先按业务排序字段（如行号、下单时间）排序后再执行分组逻辑，避免分组错位

输出示例 #

代码运行后得到的结果结构如下：

内容的提问来源于stack exchange，提问作者Karthik Kumar Premkumar