Pandas如何按分组后销售额和最接近目标值规则合并两个DataFrame

你可以通过以下步骤实现批量分组匹配：

步骤1：封装最优组合查找函数 #

把你现有的单组逻辑封装成可复用函数，同时绑定ID和销售额，方便返回匹配的ID组合：

import itertools
import math
import pandas as pd

def find_best_combination(target_sales, sub_df2):
    # 绑定ID和销售额，避免组合后找不到对应ID
    id_sales = list(zip(sub_df2['ID'], sub_df2['Sales']))
    best_ids = []
    min_diff = math.inf
    best_sum = 0

    # 遍历所有长度的组合
    for length in range(1, len(id_sales)+1):
        for comb in itertools.combinations(id_sales, length):
            current_sum = sum([x[1] for x in comb])
            current_diff = abs(target_sales - current_sum)
            # 更新最优结果
            if current_diff < min_diff:
                min_diff = current_diff
                best_ids = [x[0] for x in comb]
                best_sum = current_sum
                # 差值为0直接跳出，已经是最优解
                if min_diff == 0:
                    return best_ids, best_sum
    return best_ids, best_sum

步骤2：预处理df2并批量处理df1 #

先把df2按Name、Date分组存储，再遍历df1每行匹配对应分组计算结果：

# 预处理df2，按Name和Date分组生成查询字典
df2_grouped = df2.groupby(['Name', 'Date'])

# 遍历df1每行计算结果
result_rows = []
for _, row in df1.iterrows():
    name = row['Name']
    date = row['Date']
    target = row['Total Sales']
    # 查找对应分组，不存在则返回空结果
    if (name, date) not in df2_grouped.groups:
        comb_ids = []
        comb_total = 0
    else:
        sub_df2 = df2_grouped.get_group((name, date))
        comb_ids, comb_total = find_best_combination(target, sub_df2)
    # 拼接结果行
    result_rows.append({
        'Name': name,
        'Date': date,
        'Total Sales': target,
        'Comb IDs': comb_ids,
        'Comb Total': comb_total
    })

# 转成DataFrame得到最终结果
result_df = pd.DataFrame(result_rows)

示例运行结果 #

针对你给出的测试数据，最终输出的result_df如下：

优化提示 #

如果分组内的数据量较大（超过20条），暴力枚举所有组合会出现性能问题，你可以把组合查找逻辑替换为动态规划实现的子集和问题解法，时间复杂度会大幅降低。

内容的提问来源于stack exchange，提问作者Ibrahim Ayoup