Python Pandas计算门店SKU每日库存：期初表+交易表滚动求和问题

原代码问题分析 #

• new_frame 每次循环都被重新初始化：你在每一组门店+SKU的循环里都重新创建了空的new_frame，之前循环生成的所有结果都会被直接覆盖，最终仅返回最后一次循环的计算结果，这是你只拿到少量结果的核心原因。
• 函数参数未生效：你定义函数时声明了loc和sk两个入参，但函数内部循环用的是全局变量locations和skus，参数完全没有被用到。
• 缺失组合的赋值逻辑错误：当first_day中不存在对应门店+SKU组合时，你给SKU赋值用的是skus[0]，会把所有缺失组合的SKU都固定成第一个SKU，完全不符合预期。
• 效率极低：嵌套循环+逐行赋值的写法在数据量稍大时会非常慢，完全没有利用pandas的向量化计算优势。

正确实现方案 #

直接用pandas分组累计求和的逻辑实现，无需嵌套循环，代码简洁高效：

import pandas as pd
import numpy as np

# 原有数据读取和预处理逻辑保留
first_day = pd.read_csv(r"C:\Users\Inventory_First_day.csv")
transactions = pd.read_csv(r"C:\Users\Transactions.csv")

transactions['Transaction Type'] = transactions['Transaction Type'].replace({'SALE': -1, 'OUT': -1, 'IN': 1})
transactions['total'] = transactions['Transaction Type'] * transactions['Quantity']

# ---------------------- 核心计算逻辑 ----------------------
# 1. 预处理期初表，只保留需要的字段
first_day_preprocess = first_day.rename(columns={'Inventory': 'initial_inventory'})[['Stock Location Name', 'SKU', 'initial_inventory']]

# 2. 交易表关联期初库存，拿到每个门店+SKU的初始值，不存在的组合期初库存填0
trans_with_initial = pd.merge(
    transactions, 
    first_day_preprocess,
    on=['Stock Location Name', 'SKU'],
    how='left'
)
trans_with_initial['initial_inventory'] = trans_with_initial['initial_inventory'].fillna(0)

# 3. 按门店+SKU分组，先按日期排序，再对交易净额做累计求和，加期初库存得到每日余额
trans_with_initial = trans_with_initial.sort_values(by=['Stock Location Name', 'SKU', 'Date'])
trans_with_initial['cum_total'] = trans_with_initial.groupby(['Stock Location Name', 'SKU'])['total'].cumsum()
trans_with_initial['库存数量'] = trans_with_initial['initial_inventory'] + trans_with_initial['cum_total']

# 4. 输出符合要求的结果
result = trans_with_initial.rename(columns={
    'Stock Location Name': '门店',
    'Date': '日期'
})[['门店', 'SKU', '日期', '库存数量']].reset_index(drop=True)

如果需要包含没有交易记录的门店+SKU的库存数据，把merge的how参数改成outer，再对应补全日期字段即可。

内容的提问来源于stack exchange，提问作者paul