Python实现按SKU&Plant分组累计扣减库存的循环函数需求

嘿，这个需求用Python的pandas库处理最方便了，完全不用写复杂的循环，用分组和向量化操作就能高效搞定。下面是具体实现步骤：

1. 准备环境与示例数据 #

首先导入pandas，然后构造你的示例数据集：

import pandas as pd

# 你的原始数据集
data = {
    'SKU': [5455, 5455, 5455, 5455],
    'Plant': [989, 989, 990, 990],
    'Order': [2, 15, 10, 20],
    'Stock': [90, 90, 80, 80]
}
df = pd.DataFrame(data)

2. 分组计算累计扣减库存 #

核心思路是按SKU+Plant分组，先计算每个组内的累计订单量，再用初始库存减去累计订单量得到剩余库存：

# 计算每个SKU+Plant组内的累计订单量
df['Cumulative_Order'] = df.groupby(['SKU', 'Plant'])['Order'].cumsum()

# 用每个组的初始库存（第一行的Stock值）减去累计订单量，更新Stock列
df['Stock'] = df.groupby(['SKU', 'Plant'])['Stock'].transform('first') - df['Cumulative_Order']

# 可选：删除中间的累计订单列（如果不需要保留的话）
df = df.drop('Cumulative_Order', axis=1)

3. 查看结果 #

运行完上面的代码后，df的输出就是你期望的效果：

为什么这么做？ #

• groupby(['SKU', 'Plant'])确保我们只在同一个零件+同一个地点的范围内计算，不会跨组混淆数据；
• transform('first')能获取每个组的初始库存值（因为你的原始数据里每个组的Stock都是重复的初始值）；
• cumsum()会按组内的行顺序累计订单数量，完美实现“依次扣减”的需求；
• 全程用pandas的向量化操作，比手写循环快得多，尤其是处理大数据集的时候。

内容的提问来源于stack exchange，提问作者BossRoyce