此系列文章收录在公众号中：数据大宇宙 > 数据处理 > E-pd
经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
Excel 中的 vlookup 函数有一个模糊查找选项，其内在原理为二分法查找，在 pandas 中同样有一样功能的方法。
场景
如下某物资取货记录：
- 左表为取货登记，有登记时间和数量
- 右表为批次库存数量
- 出库规则为按批次从小到大优先出库，也就是说，批次1被取完，才会取批次2，以此类推
- 现在希望把左表每个人取货记录标记是哪个批次
问题类似匹配查找，是一种模糊匹配，比如 30 不是直接匹配 30 对应的记录，而是匹配到高于30最近的点(批次表的第一个点50)
Excel解决方法
首先要知道每个人取货之前已经累计被拿了多少数量：
- 通过简单的固定地址，直接使用 sum 函数即可
- 第一行的记录比较特殊，这里简单处理，直接手工填充0(复杂处理就会sum公式变复杂一点)
同样道理，处理批次表：
- 注意把公式写在表的左方，方便后续处理(别跟我说 vlookup 配合数组公式可以右往左匹配，非常讨厌无关逻辑嵌套一起的东西)
现在可以直接使用 vlookup 了：
- 注意最后一个参数是1，模糊查找
- 这里有个前提是，右表的数值列必须为升序，否则结果可能出乎意料
pandas解决方法
pandas 中的做法基本上每一句代码就对应 Excel 中的一个操作：
- 行1、2：加载数据，不多说
- 行4、5：对2个表排序。这其实是很关键一步，上面 Excel 操作中省去了这2个操作
- 行7、8：对应 Excel 中的求出"累计列"的操作
- 行10：pd.cut 相当于模糊查找的 vlookup 。但是这方法比 vlookup 麻烦，每个区间的分割点必需比区间要多1个数量(这符合数据分段逻辑，但不方便数据表操作)
- 所以在参数 bins 里面，我们特意添加一个比较大的数 1000 上去
- 参数 right=False ，是让边界值归左边界处理。比如数量50，是属于批次1，而不是批次2
针对上述说的 pd.cut 的缺点，我们可以自定义一个函数，简化操作：
- 把数据源(参数 x)的总和添加到分段点(参数 bins)中即可
- 为了让其行为默认与 Excel vlookup 一致，把参数 right 默认值设置为 False
现在调用就清晰很多了：
有没有想过直接往 pandas 库中添加一个属于自己的方法 vlookup 呢？真的可以做到，在我的 pandas 专栏后期将会详细讲解工程化扩展，想打造属于自己的 pandas 不是问题。
问题
不知道你有没有注意到，此案例存在有些人的取货是跨越了2个批次(比如A4这个人)。
怎么可以把跨越2个批次的人标记出来？这个问题留待下次探讨，大家不妨从 Excel 的操作角度想一下，可能一下子就能知道 pandas 中是如何解决
总结
本文重点：
- pd.cut 类比 Excel vlookup 模糊查找
