如何在user_id窗口中为前后周期创建新增零售商条件列？

要找出后周期（sample2）中用户的新增零售商，核心是按user_id分组，判断该用户在后周期使用的零售商是否存在于前周期（sample1）的记录中。以下是两种高效的实现方案：

方案一：利用合并（Merge）标记新增项 #

通过左连接后周期数据与去重后的前周期数据，根据连接结果判断是否为新增零售商：

import pandas as pd

# 前周期数据去重，保留每个用户的唯一零售商记录
sample1_unique = sample1.drop_duplicates(subset=['user_id', 'retailer'])

# 左连接后周期数据与去重后的前周期数据，添加连接标记列
merged = sample2.merge(
    sample1_unique,
    on=['user_id', 'retailer'],
    how='left',
    indicator='merge_status'
)

# 根据连接标记生成新增零售商标识：仅在后周期存在则标记为1，否则为0
sample2['is_new_retailer'] = merged['merge_status'].map({'left_only': 1, 'both': 0})

# 输出结果（与期望格式一致）
print(sample2.to_dict())

方案二：构建用户-零售商映射快速判断 #

先为每个用户构建前周期的零售商集合，再逐行判断后周期的零售商是否属于该集合：

import pandas as pd

# 生成{user_id: 前周期零售商集合}的字典映射
user_retailer_set = sample1.groupby('user_id')['retailer'].apply(set).to_dict()

# 逐行判断后周期零售商是否为新增
sample2['is_new_retailer'] = sample2.apply(
    lambda row: 1 if row['retailer'] not in user_retailer_set.get(row['user_id'], set()) else 0,
    axis=1
)

# 输出结果
print(sample2.to_dict())

为什么之前的方法可能失败？ #

• 直接使用is_in()时如果没有按user_id分组，会错误地将所有用户的零售商混在一起判断，导致结果不准确。
• 反连接如果没有同时基于user_id和retailer两个字段匹配，无法精准定位到某用户的新增零售商，而是会筛选出所有不在前周期的零售商（跨用户）。

内容的提问来源于stack exchange，提问作者rg4s