基于相同Name与Date匹配的两个pandas DataFrame数值相减实现

实现逻辑如下：

• 先对第一个DataFrame按Name和date两个字段分组，对同组的price字段求和
• 将汇总结果和第二个DataFrame按Name、date字段匹配，计算第二个DataFrame的price减去汇总后的price得到差值
• 将匹配后得到的差值行追加到原始第一个DataFrame中，即可得到预期结果

示例代码如下：

import pandas as pd

# 构造示例df1、df2，实际使用时替换为你自己的数据源即可
df1 = pd.DataFrame({
    'Name': ['Apple','Orange','Banana','Gauva','Grapes','Sapota','Papaya',
             'Apple','Orange','Banana','Gauva','Grapes','Apple','Orange',
             'Banana','Gauva','Grapes'],
    'price': [25,35,15,10,5,15,33,20,30,10,10,5,15,25,25,20,15],
    'date': ['23-9-2021']*5 + ['22-9-2021','21-9-2021'] + ['23-9-2021']*10
})
df2 = pd.DataFrame({
    'Name': ['Apple','Orange','Banana','Gauva','Grapes'],
    'price': [80,100,90,60,45],
    'date': ['23-9-2021']*5
})

# 第一步：df1按Name、date分组求和
df1_sum = df1.groupby(['Name','date'], as_index=False)['price'].sum()

# 第二步：和df2合并计算差值
merged = pd.merge(df1_sum, df2, on=['Name','date'], suffixes=('_sum','_df2'))
merged['price'] = merged['price_df2'] - merged['price_sum']
# 只保留需要的列，准备追加
diff_rows = merged[['Name','price','date']]

# 第三步：追加到df1
df1 = pd.concat([df1, diff_rows], ignore_index=True)

# 输出结果
print(df1)

以上代码支持任意数量的水果名称，不需要手动指定枚举值，直接运行即可。

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