pandas中应用完美和算法实现多列值匹配的高效方法

核心实现思路 #

你只需要先过滤匹配Rate的无效数据，再修改完美和函数返回行索引而非数值，最后映射回原始DataFrame即可，具体步骤如下：

1. 先从df中筛选出Rate和df2中目标Rate一致的行，大幅减少后续计算量
2. 提取上述筛选结果的Price列表与对应原始索引列表，作为完美和算法的输入
3. 调整完美和函数逻辑，返回符合求和条件的索引子集，而非Price数值子集
4. 用返回的索引子集从原始df中提取对应的行组合即可

完整可运行代码 #

import pandas as pd

# 示例数据构造
df = pd.DataFrame({
    'Price': [100, 50, 50, 150],
    'Rate': [10, 10, 14, 10]
})
df2 = pd.DataFrame({
    'Price': [300],
    'Rate': [10]
})

# 改造后的完美和函数，返回符合条件的索引子集
def sumSubsets(price_list, n, target):
    res = []
    def backtrack(index, current_sum, path):
        if current_sum == target:
            res.append(path.copy())
            return
        if index >= n or current_sum > target:
            return
        # 选当前元素
        path.append(index)
        backtrack(index + 1, current_sum + price_list[index], path)
        path.pop()
        # 不选当前元素，跳过重复值优化（可选，避免重复子集）
        while index + 1 < n and price_list[index] == price_list[index+1]:
            index += 1
        backtrack(index + 1, current_sum, path)
    backtrack(0, 0, [])
    return res

# 处理逻辑
target_rate = df2.iloc[0]['Rate']
target_price = df2.iloc[0]['Price']

# 第一步：过滤Rate匹配的行
filtered_df = df[df['Rate'] == target_rate].reset_index()
filtered_prices = filtered_df['Price'].tolist()
original_indices = filtered_df['index'].tolist()

# 第二步：找符合求和条件的索引子集
subset_indices_in_filtered = sumSubsets(filtered_prices, len(filtered_prices), target_price)

# 第三步：映射回原始df的行
result_combinations = []
for subset in subset_indices_in_filtered:
    original_subset_indices = [original_indices[i] for i in subset]
    result_combinations.append(df.loc[original_subset_indices])

# 打印结果示例
for i, comb in enumerate(result_combinations):
    print(f"符合条件的组合{i+1}：")
    print(comb)
    print("-"*20)

输出示例 #

运行上述代码后会输出你需要的组合：

符合条件的组合1：
   Price  Rate
0    100    10
1     50    10
3    150    10
--------------------

效率优化建议 #

• 如果df2有多条不同Rate+Price的匹配规则，可以按Rate分组处理，避免交叉计算
• 数据量较大时，可以预先过滤掉filtered_df中Price大于target_price的行，减少回溯计算量
• 所有元素都是正整数的场景下，可以改用动态规划版本的完美和实现，进一步提升运行速度

内容的提问来源于stack exchange，提问作者sudeah