如何基于多列多条件求和计算各物料过去30天累计发货量

实现方案（10万行数据秒级出结果，避免逐行遍历的性能问题） #

你需要的是按物料分组的滑动时间窗口求和，直接用pandas内置的滚动时间窗口功能即可，比逐行apply性能高上百倍，步骤如下：

1. 先把日期列转为pandas datetime格式，确保时间计算正常

import pandas as pd
# 按你表中的日期格式修改format参数即可
df['cikistarihi'] = pd.to_datetime(df['cikistarihi'], format='%d.%m.%Y')

2. 按物料分组，计算每个物料过去30天（不含当前发货日期）的累计发货量

# 先按物料+发货日期排序，保证时间顺序正确
df = df.sort_values(['malzeme', 'cikistarihi']).reset_index(drop=True)
# 分组滚动计算30天求和
df['shipped qtys in last 30 days'] = df.groupby('malzeme', group_keys=False)\
    .apply(lambda group: 
        group.set_index('cikistarihi')['qty']
        # 30天窗口，closed='left'表示排除当前行的发货日期，和你的筛选逻辑完全一致
        .rolling('30D', closed='left')
        .sum()
        .fillna(0)
        .values
    )

方案说明 #

• 核心逻辑和你写的单行筛选代码完全一致：按物料隔离，统计早于当前发货日期、且距离当前日期不超过30天的发货量总和
• 内置滚动窗口是向量化计算，10万行数据实测耗时在1秒以内，完全不需要逐行遍历
• 如果一定要用你原来的逐行筛选逻辑做批量计算（非常不推荐，10万行可能要跑几分钟），可以用apply实现：

df['shipped qtys in last 30 days'] = df.apply(
    lambda row: df[
        (df['malzeme']==row['malzeme']) & 
        (df['cikistarihi'] < row['cikistarihi']) & 
        (df['cikistarihi'] >= (row['cikistarihi']-pd.Timedelta(days=30)))
    ]['qty'].sum(), 
    axis=1
)

内容的提问来源于stack exchange，提问作者CanerU