You need to enable JavaScript to run this app. 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
优惠活动
大模型
产品
解决方案
定价
更多

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

  1. 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
  2. 按用户ID分组,将同ID下的A、B类交易按日期升序排列
  3. 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
  4. 将剩余未匹配的A类交易单独成行,B类对应列留空
  5. 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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.12 19:45:02