本文介绍一种基于装配层级（assembly level）识别父级子装配体并将其非零价格向下传播至所有后代行的高效 pandas 实现方法，适用于 bom（物料清单）价格继承场景。
本文介绍一种基于装配层级（assembly level）识别父级子装配体并将其非零价格向下传播至所有后代行的高效 pandas 实现方法，适用于 bom（物料清单）价格继承场景。
在处理多层级物料清单（BOM）数据时，常需实现「价格继承」逻辑：若某行标识为子装配体（subassembly）且其 Price ≠ 0，则该子装配体下所有直接与间接子项（即后续更低层级的行，如 Level 3、4 等）的价格应统一替换为其父级价格。关键在于准确识别父子关系——这并非依赖名称匹配或树形结构字段，而是由 Assembly Level 的数值递进关系隐式定义：当某行的 Assembly Level 小于其后连续若干行的层级时，该行即为这些后续行的最近上级装配体（parent assembly）。
但注意：原始答案中基于正则提取 "code"（如 "BAZ"）并分组取价的方法，虽简洁，实际存在逻辑缺陷——它假设所有同名前缀（如 BAZ_1, BAZ_2）必然属于同一父装配体，却忽略了 BOM 中可能出现的命名冲突（如不同父级下均有 FOO_1），也未真正利用 Assembly Level 的层级嵌套语义。因此，我们推荐更鲁棒、语义清晰的 层级遍历 + 向下填充（forward-fill）策略：
✅ 推荐方案：基于 Assembly Level 的层级扫描与价格继承
import pandas as pd
import numpy as np
# 示例数据（已按 Assembly Level 和自然顺序排列）
df = pd.DataFrame({
"Assembly Level": [1, 2, 2, 2, 3, 3, 4, 2, 2, 3],
"Part Name": [
"FOOBARBAZQUX (Main assembly)",
"FOO (part)",
"BAR (part)",
"BAZ (subassembly)",
"BAZ_1 (child part of BAZ subassembly)",
"BAZ_2 (child subassembly of BAZ subassembly)",
"BAZ_2_1 (child part of BAZ_2 subassembly)",
"BOB (part)",
"QUX (subassembly)",
"QUX_1 (child part of QUX subassembly)"
],
"Price": [100, 20, 30, 25, 15, 10, 10, 14, 0, 12]
})
# 步骤 1：标记所有「有效父级子装配体」——即 Part Name 含 'subassembly' 且 Price != 0
df["is_parent_subassy"] = (
df["Part Name"].str.contains("subassembly", na=False) &
(df["Price"] != 0)
)
# 步骤 2：创建临时列 'inherited_price'，初始为原 Price；对每个父级子装配体，向后传播其 Price
df["inherited_price"] = df["Price"]
df["propagate_flag"] = 0 # 标记需开启传播的位置（父级行设为1）
# 找到所有父级子装配体的索引，并设置传播起点
parent_indices = df[df["is_parent_subassy"]].index.tolist()
for idx in parent_indices:
df.loc[idx, "propagate_flag"] = 1
# 步骤 3：使用 cumsum 构建「传播组」——每遇到一个 propagate_flag=1，新组开始
df["group_id"] = df["propagate_flag"].cumsum()
# 步骤 4：对每个 group，用该组首行（即父级）的 Price 填充整个组（仅限该组内 Assembly Level > 父级 Level 的行）
def fill_group_prices(group):
if len(group) == 0:
return group
parent_level = group.iloc[0]["Assembly Level"]
parent_price = group.iloc[0]["Price"]
# 只对子层级（level > parent_level）应用继承价格
mask = group["Assembly Level"] > parent_level
group.loc[mask, "inherited_price"] = parent_price
return group
df = df.groupby("group_id", group_keys=False).apply(fill_group_prices)
# 步骤 5：最终 Price = inherited_price（已更新），清理辅助列
df["Price"] = df["inherited_price"]
df = df.drop(columns=["is_parent_subassy", "propagate_flag", "group_id", "inherited_price"])
print(df[["Assembly Level", "Part Name", "Price"]])⚠️ 注意事项与说明
- 数据顺序至关重要：此方法严格依赖输入 DataFrame 按 BOM 展开顺序排列（即父行一定出现在所有子行之前），且 Assembly Level 单调反映嵌套深度。若原始数据无序，请先执行 df.sort_values(["Assembly Level"], kind="stable") 或按业务主键排序。
- 零价子装配体不传播：如 QUX (subassembly) 价格为 0，其子项 QUX_1 保持原价 12，符合需求。
- 避免名称解析陷阱：不依赖正则提取部件编码，完全基于层级数值关系，杜绝因命名相似导致的误继承。
- 性能提示：对超大 BOM（百万级行），可改用 numba 加速循环，或采用 itertools.groupby 配合手动指针遍历，但上述方案在万级数据下已足够高效。
该方法将 BOM 的层级语义显式融入数据处理流程，逻辑透明、易于调试与扩展（例如支持多级价格策略或添加生效条件），是工业级 BOM 价格管理的可靠实践。
