如何用Pandas筛选CSV银行流水关键词并汇总对应消费总金额

解决方法 #

你已经完成了模糊匹配筛选行的核心步骤，后续不需要手动遍历行，直接调用Pandas内置的求和方法即可实现需求，修改后完整代码如下：

import pandas as pd

keyword = input("Enter the keyword you wish to search in the statement: ")

# 读取无表头的银行流水CSV
df = pd.read_csv('accountactivity.csv', header=None)

# 模糊匹配交易名称包含关键词的行，不区分大小写，空值默认不匹配
dff = df.loc[df[1].str.contains(keyword, case=False, na=False)]

if not dff.empty:
    # 将支出金额转为数值类型后求和，异常值自动忽略
    total_sum = pd.to_numeric(dff[2], errors='coerce').sum()
    # 输出所有匹配到的交易名称
    for trade_name in dff[1]:
        print(trade_name)
    print(f"The sum for expenses at {keyword} is of: {total_sum}$")
else:
    print("Keyword returned no results.")

关键修改说明 #

• 新增na=False参数：避免交易名称列存在空值时，str.contains方法抛出异常，空值会统一判定为不匹配关键词
• 新增pd.to_numeric转换：防止CSV读取的金额为字符串格式无法求和，errors='coerce'配置会自动把无法转换为数值的异常内容转为空值，求和时自动忽略
• 直接调用sum()方法：不需要手动循环遍历每一行累加，Pandas内置的向量化运算效率远高于手动循环，数据量越大优势越明显

这个实现完全满足子串模糊匹配、不区分大小写的需求，输入netflix可以正常匹配到NETFLIX.COM _V这类内容。

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