本文介绍使用 polars 实现按账户分组、根据正负号决定“填充”或“清空”操作的数值分配逻辑：对每个账户，将目标值（如支付额）逐行分配至账单记录，优先处理最早未满/非空行，支持部分填充与截断，确保每行结果在 [0, val] 范围内。
本文介绍使用 polars 实现按账户分组、根据正负号决定“填充”或“清空”操作的数值分配逻辑：对每个账户，将目标值（如支付额）逐行分配至账单记录，优先处理最早未满/非空行，支持部分填充与截断，确保每行结果在 [0, val] 范围内。
在财务系统、账务冲抵或批量结算等场景中，常需将一个汇总金额（如退款、补缴、调账）按顺序分配到多个明细记录上：若金额为正，表示“填充”（例如补录应收）；若为负，则表示“清空”（例如冲销已收）。关键约束包括：
-
顺序敏感：必须从每组
acc中第一行开始处理（升序索引），不可跳过； -
容量限制：每行最多承载其
val字段所定义的上限； - 部分操作合法：允许某行仅被部分填充或部分清空；
-
边界安全：最终结果不能小于 0 或大于该行原始容量
val。
Polars 提供高效的窗口计算与向量化表达能力，非常适合此类分组累积分配任务。核心思路是：
-
计算账户级总可分配量：
total = sum(原sum列) + 新val（来自left表） -
模拟逐行已占用量：用
cum_sum().shift(1)计算前序行已分配总量（即“已用”）； -
当前行应分配量 = total − 已用，再通过
.clip(0, "val")强制裁剪至合法区间[0, val]。
以下是完整可运行示例（基于问题中数据）：
import polars as pl
# 支付指令：每个账户一个待分配值（正=填充，负=清空）
left = pl.DataFrame({
"acc": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
"val": [-100, -123, -75, -300, -77, -500, 111, 123, 300, 75]
})
# 账单明细：每行有容量(val)和当前已占(sum)，按处理顺序排列
right = pl.DataFrame({
"acc": [1, 1, 1, 2, 2, 2, 3, 3, 4, 4, 4, 5, 6, 6, 6, 6, 7, 7, 7, 8, 8, 8, 9, 9, 9, 10, 10],
"val": [100, 100, 100, 123, 150, 123, 70, 70, 150, 100, 150, 77, 500, 500, 500, 500, 100, 100, 100, 123, 123, 123, 100, 150, 200, 10, 10],
"sum": [100, 50, 0, 123, 0, 0, 70, 5, 150, 100, 150, 78, 500, 500, 500, 500, 10, 0, 0, 123, 0, 0, 0, 0, 0, 0, 0]
})
# 关键逻辑：分组计算总分配量 & 逐行已用容量
total_expr = pl.col("sum").sum() + pl.col("val_new")
used_expr = pl.col("val").cum_sum().shift(1).fill_null(0)
result = (
right.join(left, on="acc", suffix="_new")
.with_columns(
# （可选）调试辅助列：展示每组总需求与累计已用
total_expr.over("acc").alias("total"),
used_expr.over("acc").alias("used"),
)
.with_columns(
# 核心分配公式：剩余可分配量 = total - 前序已用 → 截断至[0, val]
(total_expr - used_expr)
.clip(0, pl.col("val"))
.over("acc")
.alias("res")
)
.select(["acc", "val", "sum", "res"]) # 仅保留必要列
)
print(result)✅ 输出说明：
-
res列即为最终每行应更新的sum值（即新填充/清空后的余额）； - 对于
acc=1（总需清空100）：首行sum=100→res=50（清空50），次行sum=50→res=0（全清），第三行sum=0→res=0（无剩余可清）； - 对于
acc=9（总需填充300）：依次填满前两行（100+150），第三行仅填余下50，严格遵循顺序与容量约束。
⚠️ 注意事项：
- 输入
right表中同一acc的行必须按预期处理顺序排列（如时间先后、优先级高低），Polars 不自动排序，需提前sort()； - 若存在
val=0行，其res恒为 0（因.clip(0, 0)）； - 当
total （如大额负值远超现有 <code>sum总和），clip(0, ...)会将其置为 0 —— 这符合“清空不能为负”的业务语义； - 如需保留原始
sum用于审计，建议在.select()前不丢弃该列。
该方案简洁、向量化、无循环，适用于百万级账单批量处理，是 Polars 在金融数据流中典型且高效的应用模式。
