Python嵌套列场景：Pandas分组对象的个人收支差额计算

没问题，我来帮你搞定这个需求！针对你已经按person ID和交易类型（收入/支出）分组的情况，我们可以通过以下步骤轻松计算每个人员的收支差额，并输出成字典形式：

步骤说明 #

1. 将分组结果展开为宽表：用unstack()把交易类型从行维度转到列维度，这样每个人员的收入和支出会变成两列，缺失的记录（比如只有收入没有支出）会显示为NaN。
2. 填充缺失值：用fillna(0)把NaN替换为0，确保没有记录的收支项不会影响计算。
3. 计算收支差额：根据你的需求计算（比如收入 - 支出，如果需要支出减收入也可以调整）。
4. 转为字典：用to_dict()方法直接把结果转成{person_id: 差额}的字典格式。

代码示例 #

假设你的原始DataFrame结构如下（包含person_id、transaction_type、amount三列）：

import pandas as pd

# 示例数据
data = {
    'person_id': ['A001', 'A001', 'A002', 'A003', 'A003'],
    'transaction_type': ['收入', '支出', '收入', '支出', '支出'],
    'amount': [5000, 2000, 3500, 1200, 800]
}
df = pd.DataFrame(data)

接下来执行分组、计算差额并转字典：

# 按person_id和交易类型分组，聚合金额总和
grouped = df.groupby(['person_id', 'transaction_type'])['amount'].sum()

# 展开为宽表，填充缺失值，计算差额
balance = grouped.unstack(fill_value=0).assign(
    差额=lambda x: x['收入'] - x['支出']
)['差额']

# 转为字典
balance_dict = balance.to_dict()

print(balance_dict)
# 输出：{'A001': 3000, 'A002': 3500, 'A003': -2000}

补充说明 #

• 如果你的交易类型字段是英文（比如'income'、'expense'），只需要把代码里的'收入'、'支出'换成对应的英文即可。
• 要是你已经有了现成的groupby对象，直接从grouped.unstack(...)这一步开始执行就行，不用重新分组。
• 差额的正负可以根据需求调整：如果想要支出 - 收入，就把x['收入'] - x['支出']改成x['支出'] - x['收入']。

内容的提问来源于stack exchange，提问作者lucretiuss