中心仓与分布式前置仓 库存映射

import time
import pandas as pd
# 聚焦中心仓有货 配属前置仓无货
data = pd.read_excel('G:/中心仓/center_stock.xlsx')
print(time.localtime())
K = data[data['仓库名称'].notna() & data['仓库名称'].str.contains('中心仓') & data['库存数量'].notna() & data['库存数量'] > 0]
owner = ['信天翁-京东', '白鸥-京东', '信天翁-自采-宠物']
leimu = ['宠物用品', '运动户外', '母婴用品', '粮油调味', '营养保健', '洗护用品', '日用百货', '家居清洁']
name = ['破损', '锐澳', '滴露']
center_stock = K[K['货主'].str.contains('|'.join(owner)) & K['一级分类名称'].str.contains('|'.join(leimu)) & ~(
    K['标品名称'].str.contains('|'.join(name)))]

center_stock.reset_index(drop=True, inplace=True)

# 1.中心仓库存存在一品多货主，先取出center_sp
center = center_stock.drop_duplicates(subset=['仓库名称', '标品名称', 'sp码'], inplace=False, ignore_index=True)
center_sp = center.drop(['城市', '长宽高', '毛重', '毛重单位', '库存成本', '货主',
                         '条码', '分类名称', '一级分类名称', 'wms在途数量', 'wms验收中数量', 'wms发货预占库存'], axis=1, inplace=False)

center_sp = center_sp.groupby(['仓库名称', '标品名称', 'sp码']).sum()
center_sp.reset_index(inplace=True)  # 重设 Multiindex的 index值

# 2.利用中心仓与前置仓之间映射关系，取到前置仓的库存。
relation = pd.read_excel('G:/中心仓/relation.xlsx')
# 3.利用 1、2得到中心仓_sp 与映射的前置仓之间的relationship 以及 获取得到中心仓库存
relation_stock = pd.merge(relation, center_sp, left_on='云仓名称', right_on='仓库名称', how='inner')

# 4.获取前置仓的库存
a = data['仓库名称'].map(lambda x: pd.notna(x))  # 这里暂时不清楚 为何 通过data[布尔索引]仍然可以得到负数，可以通过库存数量>0的情况
b = data['库存数量'].map(lambda x: x >=0|pd.isna(x))
k = data[a & b]  # 去掉无效库存后的库存表
k[['wms在途数量','wms验收中数量']].fillna(0,inplace=False)
k = k.assign(zaitu_stock=k['库存数量']+k['wms在途数量']+k['wms验收中数量'])
stock = k.loc[:, ['仓库名称', 'sp码', 'zaitu_stock']]  # 未包含  'wms在途数量', 'wms验收中数量'
k = stock.groupby(['仓库名称', 'sp码']).sum()
k.reset_index(inplace=True)

stock = pd.merge(relation_stock, k, left_on=['前置仓名称', 'sp码'], right_on=['仓库名称', 'sp码'], how='inner',
                 suffixes=('_中心仓', '_前置仓'))
stock.to_excel('G:/中心仓/中心仓库存分布_1_13.xlsx')