pandas 计算行之间的日期差并按类别分组Python

pnwntuvh 于 2023-06-20 发布在 Python

关注(0)|答案(2)|浏览(126)

我有一个客户和购买日期的数据集，其中多个客户在不同的日子进行了购买。我想找出每个客户购买之间的平均天数差异。

Cust     Date
A        01/01/2019
B        01/01/2019
B        01/01/2019
A        03/01/2019
B        02/01/2019
A        05/01/2019

中间df可以是差异：

A     B
2     0
2     1

然后，可以使用该值来计算每个客户的平均值。注意，某些购买可能发生在同一天，因此将记录为0。
最终的DF看起来像这样：

Customer     No.of Purchases     AVG diff
A            3                   1
B            3                   0.5

我理解这个过程，但我在代码上遇到了麻烦。独特的客户数量是100+，所以我需要一些代码，可以为许多客户解决这个问题。我猜我必须循环遍历数据并以某种方式存储中间值，但我不确定如何在Python中完成。
任何帮助或指导都将感激不尽。

pandas

来源：https://stackoverflow.com/questions/55006078/calculate-the-difference-in-dates-between-rows-and-group-by-category-python

2条答案

按热度按时间

bejyjqdl1#

将日期设为datetime和sort，以便计算正确的差值。然后groupby每个客户以获得所需的计算结果：

import pandas as pd

df['Date'] = pd.to_datetime(df.Date, format='%d/%m/%Y')
df = df.sort_values('Date')

def AVG_diff(x):
    # Integer number of Days
    return x.diff().mean().total_seconds()/86400

df.groupby('Cust').Date.agg(['size', AVG_diff])

#  Cust  size  AVG_diff
#0    A     3       2.0
#1    B     3       0.5

赞(0）回复(0）举报 2023-06-20

iyzzxitl2#

您还可以执行以下操作：

根据customerid和service_txn_date对DataFrame进行排序

df = df.sort_values（['customerid'，'service_txn_date']）
df

计算每个客户连续服务交易的时间差

df['time_diff'] = df.groupby（'customerid '）['service_txn_date'].diff（）
df

计算每个客户平均回访天数

average_days_to_come_back = df.groupby（'customerid '）['time_diff'].mean（）

赞(0）回复(0）举报 2023-06-20

我来回答

pandas 计算行之间的日期差并按类别分组Python

2条答案

根据customerid和service_txn_date对DataFrame进行排序

计算每个客户连续服务交易的时间差

计算每个客户平均回访天数

相关问题

热门标签

最新问答