如何使用Python结合Pandas按规则拆分匹配A/B类交易并导出指定格式Excel
Pandas实现方案说明
Pandas完全可以支撑这类交易汇总拆分需求,不需要实现底层的手动行插入操作,所有逻辑可以通过分组匹配、结构化拆分、列对齐完成,处理效率远高于逐行插入的方式。
核心处理步骤
- 拆分原始数据为A、B两个独立子集,重命名列添加对应后缀,为后续并排展示做准备
- 按用户ID分组,将同ID下的A、B类交易按日期升序排列
- 逐笔匹配同ID下的B类交易,按价格规则拆分A类交易记录:
- 价格完全匹配的A、B交易,拼接为同一行的左右两部分
- A类价格高于B类时,拆分出和B类等值的A行做并排,剩余差额作为独立的A类行,ID后加
'标记区分原始记录
- 将剩余未匹配的A类交易单独成行,B类对应列留空
- 按A类交易日期排序后导出为Excel
可直接运行的代码块
import pandas as pd # 读取原始DataFrame df = pd.read_clipboard(sep=r'\s+') # 拆分A、B类数据并重命名列 df_a = df[df['type'] == 'A'].copy() df_a.columns = [f"{col}-A" for col in df_a.columns] df_b = df[df['type'] == 'B'].copy() df_b.columns = [f"{col}-B" for col in df_b.columns] # 按ID分组缓存数据 a_group = df_a.groupby('ID-A') b_group = df_b.groupby('ID-B') processed_rows = [] all_ids = set(df_a['ID-A'].tolist() + df_b['ID-B'].tolist()) # 逐ID处理匹配逻辑 for uid in all_ids: cur_a = a_group.get_group(uid).sort_values('Date-A').reset_index(drop=True) if uid in a_group.groups else pd.DataFrame() cur_b = b_group.get_group(uid).sort_values('Date-B').reset_index(drop=True) if uid in b_group.groups else pd.DataFrame() # 缓存A类剩余可匹配的价格和原始行信息 a_remain = [ { 'id': row['ID-A'], 'date': row['Date-A'], 'price': row['price-A'], 'type': row['type-A'] } for _, row in cur_a.iterrows() ] b_idx = 0 # 逐笔匹配B类交易 while b_idx < len(cur_b) and len(a_remain) > 0: cur_b_row = cur_b.iloc[b_idx] cur_b_price = cur_b_row['price-B'] cur_a_part = a_remain[0] if cur_a_part['price'] == cur_b_price: # 价格完全匹配,并排展示 processed_rows.append({ 'ID-A': cur_a_part['id'], 'Date-A': cur_a_part['date'], 'price-A': cur_a_part['price'], 'type-A': cur_a_part['type'], 'ID-B': cur_b_row['ID-B'], 'Date-B': cur_b_row['Date-B'], 'price-B': cur_b_row['price-B'], 'type-B': cur_b_row['type-B'] }) a_remain.pop(0) b_idx += 1 elif cur_a_part['price'] > cur_b_price: # A价格更高,拆分匹配 processed_rows.append({ 'ID-A': cur_a_part['id'], 'Date-A': cur_a_part['date'], 'price-A': cur_b_price, 'type-A': cur_a_part['type'], 'ID-B': cur_b_row['ID-B'], 'Date-B': cur_b_row['Date-B'], 'price-B': cur_b_row['price-B'], 'type-B': cur_b_row['type-B'] }) # 计算剩余差额,拆分行加'标记 remain_price = cur_a_part['price'] - cur_b_price a_remain[0]['price'] = remain_price a_remain[0]['id'] = f"{cur_a_part['id']}'" b_idx += 1 else: # 兼容B价格更高的边界场景,跳过当前B记录 b_idx += 1 # 追加剩余未匹配的A类记录 for remain_a in a_remain: processed_rows.append({ 'ID-A': remain_a['id'], 'Date-A': remain_a['date'], 'price-A': remain_a['price'], 'type-A': remain_a['type'], 'ID-B': None, 'Date-B': None, 'price-B': None, 'type-B': None }) # 生成最终结果并导出 final_df = pd.DataFrame(processed_rows).sort_values('Date-A').reset_index(drop=True) final_df.to_excel("交易汇总概览.xlsx", index=False)
效果校验
运行代码后生成的结果完全匹配你给出的输出格式:
- ID=1的A类交易(price=100)和同ID的B类交易(price=100)价格完全相等,并排展示在同一行
- ID=2的原A类交易(price=200)高于同ID的B类交易(price=40),拆分为首行A价格40与B类交易并排,第二行ID标记为2'、价格160的独立A类记录
- ID=3的A类交易没有匹配的B类记录,单独成行展示,B类对应列留空
内容的提问来源于stack exchange,提问作者CEFA RAD
相关产品推荐
相关产品推荐

