Pandas如何合并聚合两个DataFrame并实现对应列值相减

你已经完成两个表按PLU聚合去重、QTY求和的预处理后，直接用以下两种方法即可实现差值计算，两种方法都经过示例数据验证。

方法1：表合并后直接计算（逻辑直观，适合新手） #

通过merge按PLU字段匹配两个表的记录，区分采购量和销售量列后直接做减法即可，逻辑和Excel的VLOOKUP匹配计算一致，容易排查问题。

# 前置预聚合代码（你已经实现过的去重求和步骤）
# final_purch_agg = final_purch.groupby("PLU", as_index=False)["QTY"].sum()
# pmix_diff_agg = pmix_diff.groupby("PLU", as_index=False)["QTY"].sum()

# 按PLU匹配合并
merge_df = final_purch_agg.merge(
    pmix_diff_agg,
    on="PLU",
    how="inner", # 仅保留两个表都存在的PLU；要保留仅入库无销售的PLU就改为"left"
    suffixes=("_in", "_out") # 给两个表的QTY列加后缀区分
)

# 计算剩余库存
merge_df["stock_left"] = merge_df["QTY_in"] - merge_df["QTY_out"]

基于你给出的示例数据，运行后得到的结果如下：

方法2：索引对齐运算（代码简洁，性能更好） #

Pandas的Series对象会自动按索引值匹配做运算，你可以把PLU设为索引后直接对QTY列做减法，代码更短，处理大数据量时速度更快。

# 前置预聚合代码同上
# final_purch_agg = final_purch.groupby("PLU", as_index=False)["QTY"].sum()
# pmix_diff_agg = pmix_diff.groupby("PLU", as_index=False)["QTY"].sum()

# 设PLU为索引后直接做减法，自动按PLU匹配
stock_result = (
    final_purch_agg.set_index("PLU")["QTY"]
    .sub(pmix_diff_agg.set_index("PLU")["QTY"], fill_value=0) # fill_value=0代表缺项时默认值为0，避免出现空值
    .reset_index(name="stock_left")
)

注意：如果存在PLU仅在其中一个表出现的场景，fill_value=0会自动把缺失的对应值按0处理：比如某PLU只有入库记录没有销售记录，销售量默认按0算，剩余库存等于入库量；如果只有销售记录没有入库记录，入库量默认按0算，剩余库存为负数。

内容的提问来源于stack exchange，提问作者Kyle XCVI