将pandas DataFrame转为defaultdict并筛选同id下正负匹配的数值

错误原因 #

你代码中报错的核心原因是row['amount']是单个整数类型值，isin()是pandas Series才有的方法，不能直接作用于普通数值。同时原有判断逻辑有误：你需要判断的是当前id分组内是否存在和当前金额互为相反数的记录，不能对单行值单独做判断。

实现代码 #

from collections import defaultdict
import pandas as pd

d = {'id': [1,1,1,1,2,2,3,3,3,4,4,4,4],
     'label':['A','A','B','G','A','BB','C','C','A','BB','B','AA','AA'],
     'amount':[2,-12,12,-12,5,-5,2,3,5,3,3,10,-10]}
df = pd.DataFrame(d)

# 新增金额绝对值列，方便分组判断正负匹配关系
df['abs_amount'] = df['amount'].abs()

# 筛选规则：同id、同绝对值金额的分组内同时存在正、负两种金额
mask = df.groupby(['id', 'abs_amount'])['amount'].transform(lambda x: (x.max() > 0) & (x.min() < 0))
filtered_df = df[mask]

# 转换为要求的defaultdict格式
res = defaultdict(list)
for _, row in filtered_df.iterrows():
    res[row['id']].append({'label': row['label'], 'amount': row['amount']})

print(res)

输出验证 #

运行后得到的结果和你的需求一致，仅注意你给出的期望输出中id2对应的label存在笔误，实际运行结果和原始数据对应，输出如下：

defaultdict(list,
            {1: [{'label': 'A', 'amount': -12},
                 {'label': 'B', 'amount': 12},
                 {'label': 'G', 'amount': -12}],
             2: [{'label': 'A', 'amount': 5}, {'label': 'BB', 'amount': -5}],
             4: [{'label': 'AA', 'amount': 10},
                 {'label': 'AA', 'amount': -10}]})

内容的提问来源于stack exchange，提问作者Unicorn07