Pandas统计每月末未结清发票的应收账款总额

针对该需求最高效的实现方式为事件增量累计法，时间复杂度为O(N + M)（N为发票总条数、M为统计月份总数），远优于逐行逐月匹配的O(N*M)方案，对百万级发票量也能快速出结果。

核心逻辑 #

每张发票只会对应两个影响应收余额的时间节点：

1. 开票当月月末，应收余额增加对应开票金额
2. 结清当月月末，应收余额减少对应开票金额
   按月份汇总所有节点的增减金额后做前缀累加，就能直接得到每个月末的未结清应收总额，完全匹配你的业务规则。

实现代码 #

第一步：日期格式统一预处理 #

import pandas as pd

# 先将两个日期字段转为datetime类型
df_invoice['INVOICED_DATE'] = pd.to_datetime(df_invoice['INVOICED_DATE'])
df_invoice['CLOSED_DATE'] = pd.to_datetime(df_invoice['CLOSED_DATE'])

# 提取日期对应的月末日期，与你预先生成的结果表的月份维度对齐
df_invoice['invoice_month_end'] = df_invoice['INVOICED_DATE'] + pd.offsets.MonthEnd(0)
df_invoice['close_month_end'] = df_invoice['CLOSED_DATE'] + pd.offsets.MonthEnd(0)

第二步：生成增减事件表 #

# 开票增量事件：金额为正
add_events = df_invoice[['invoice_month_end', 'AMOUNT_INVOICED']].rename(
    columns={'invoice_month_end': 'month_end', 'AMOUNT_INVOICED': 'delta'}
)
# 结清减量事件：金额为负
sub_events = df_invoice[['close_month_end', 'AMOUNT_INVOICED']].rename(
    columns={'close_month_end': 'month_end', 'AMOUNT_INVOICED': 'delta'}
)
sub_events['delta'] = -sub_events['delta']

# 合并所有事件
all_events = pd.concat([add_events, sub_events], ignore_index=True)

第三步：合并到结果表计算最终值 #

假设你预先生成的结果表命名为df_result，且表中已存在month_end字段存储每个统计月的月末日期：

# 按月份汇总所有事件的增减额
monthly_delta = all_events.groupby('month_end', as_index=False)['delta'].sum()

# 与结果表合并，无事件的月份增减额填0
df_result = df_result.merge(monthly_delta, on='month_end', how='left').fillna({'delta': 0})

# 前缀累加得到每个月末的未结清总额
df_result['Total Outstanding AR'] = df_result['delta'].cumsum()

小数据量简化写法 #

如果你的发票总条数小于10万，也可以用更直观的逐行判断写法，代码更简洁但性能更低：

df_result['Total Outstanding AR'] = df_result['month_end'].apply(
    lambda end_date: df_invoice.loc[
        (df_invoice['INVOICED_DATE'] <= end_date) & (df_invoice['CLOSED_DATE'] > end_date),
        'AMOUNT_INVOICED'
    ].sum()
)

验证说明 #

两种写法都符合你给出的计算规则：你举的8月末例子中，9月结清的发票会在8月末计入增量、9月末计入减量，因此8月未结清总额会包含这部分金额，和你的示例计算结果完全一致。

内容的提问来源于stack exchange，提问作者ksan