pandas 分配订单发货的库存批次

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本例将演示一个商品仓储物流的分配逻辑写法，看看 pandas 是如何实现这种规划问题的。

本案例在 pandas 2.2 下通过。

数据与需求

我们有一个需求数据，代表了订单，订单中每个商品的下单时间及数量：

import pandas as pd
import io

data1 = '''
ID  Item    需求日期    需求数量
1   A   2023/9/8    50
2   A   2023/9/10   50
3   B   2023/9/7    50
4   B   2023/9/11   30
'''

df1 = pd.read_csv(io.StringIO(data1), sep='\s+')
df1
# ...

另外是一个仓库的供货情况表，每个商品批次的数量：

data2 = '''
Item    供货日期    供货数量
A   2023/9/7    40
A   2023/9/8    40
A   2023/9/11   40
B   2023/9/6    20
B   2023/9/7    20
B   2023/9/8    20
'''

df2 = pd.read_csv(io.StringIO(data2), sep='\s+')
df2
# ...

最终要得到一个订单需求与供货分配的对照表，按订单需求量对仓库供货进行分配，按订单时间优先分配历史未分配完的订单，先进先出，直到满足需求量为止。多出或不足的量用空白表示。

如下：

data = '''
ID  Item    需求日期    需求数量    供货日期    供货数量
1   A   2023/9/8    50  2023/9/7    40
1   A   2023/9/8    50  2023/9/8    10
2   A   2023/9/10   50  2023/9/8    30
2   A   2023/9/10   50  2023/9/11   20
2   A   None       None 2023/9/11   20
3   B   2023/9/7    50  2023/9/6    20
3   B   2023/9/7    50  2023/9/7    20
3   B   2023/9/7    50  2023/9/8    10
4   B   2023/9/11   30  2023/9/8    10
4   B   2023/9/11   30  None      None
'''

df = pd.read_csv(io.StringIO(data), sep='\s+')
df
# ...

思路

在订单需求和仓库商品中，商品 Item 内进行分配，即不同商品不能互相分配，所以我们需要分组来完成这个事，以 Item 分组分别分配 A 和 B 商品。我们可以先对 Item 进行分组，然后写个函数来处理各个商品的分配问题，这样，问题就限定在了同一商品的分配上。

接下的我们其实可以通过迭代的方式按照逻辑进行分配，它在个这过程比较复杂，我们可以尝试用模拟分配的情况来「暴力」完成需求。

df1 订单需求和 df2 仓库供货情况中都有相应的数量，我们可以将这两个 DataFrame 根据数量扩展为明细，即一行就是一个货，比如 df1 总共有 180 个商品，就会产生 180 行数据，扩展后的新数据的自然索引可以认为是它们的需求编号和商品编号，需求和供应是一一对应的。

最后按照两个表的索引将它们按列拼接起来，就实现了需求和供应的一一对应，最后再分组聚合计算出每个商品对应需求的供货数量。

代码

def func(a: pd.DataFrame, b: pd.DataFrame) -> pd.DataFrame:
    b = b.loc[b.Item == a.name]

    a = (
        a.loc[a.index.repeat(a.需求数量)]
        .reset_index(drop=True)
    )

    b = (
        b.loc[b.index.repeat(b.供货数量)]
        .reset_index(drop=True)
        )

    return (
            pd.concat([a, b], axis=1)
            .groupby(['ID', '需求日期', '需求数量', '供货日期'],
                     as_index=False,
                     sort=False,
                     dropna=False)
            .count()
            .drop('Item', axis=1)
            .assign(ID=lambda x: x.ID.ffill().astype(int))
            .replace({0: pd.NA})
            )


(
    df1.groupby('Item')
    .apply(func, b=df2, include_groups=False)
    .reset_index()
    .drop('level_1', axis=1)
    .reindex(df.columns, axis=1)
)
'''
   ID Item    需求日期 需求数量   供货日期  供货数量
0   1    A   2023/9/8  50.0   2023/9/7    40
1   1    A   2023/9/8  50.0   2023/9/8    10
2   2    A  2023/9/10  50.0   2023/9/8    30
3   2    A  2023/9/10  50.0  2023/9/11    20
4   2    A        NaN   NaN  2023/9/11    20
5   3    B   2023/9/7  50.0   2023/9/6    20
6   3    B   2023/9/7  50.0   2023/9/7    20
7   3    B   2023/9/7  50.0   2023/9/8    10
8   4    B  2023/9/11  30.0   2023/9/8    10
9   4    B  2023/9/11  30.0        NaN  <NA>
'''

这样就完成了需求。

（完）

pandas 分配订单发货的库存批次

数据与需求

思路

代码

相关内容