如何在Pandas DataFrame中高效获取同Customer_ID的下一条记录日期？

解决方案：分组+向量化移位操作 #

针对大数据集，彻底抛弃低效的逐行循环，用Pandas的groupby结合shift实现向量化计算，性能远优于循环方案。

步骤代码 #

1. 先将日期列转为datetime类型（推荐，避免字符串排序逻辑出错）：

import pandas as pd

ids = [1,2,3,4,5]
customer_ids = [3,7,5,7,3]
dates = ['2020-04-03', '2020-04-07','2020-04-14','2020-05-02','2020-05-06']

df = pd.DataFrame({ 
    'ID': ids,
    'Customer_ID': customer_ids,
    'Date': dates
})

# 转换日期列类型，保证排序和移位逻辑准确
df['Date'] = pd.to_datetime(df['Date'])

2. 分组计算下一个日期：

# 按Customer_ID分组，组内按ID排序后，用shift(-1)获取下一行的日期
df['Next_Date'] = df.groupby('Customer_ID').apply(
    lambda group: group.sort_values('ID')['Date'].shift(-1)
).reset_index(level=0, drop=True)

# 可选：将NaN替换为0（如果需要字符串形式的0，先转日期为字符串再替换）
# df['Next_Date'] = df['Next_Date'].dt.strftime('%Y-%m-%d').fillna('0')

执行后df['Next_Date']的结果为：

0   2020-05-06
1   2020-05-02
2          NaN
3          NaN
4          NaN
Name: Next_Date, dtype: datetime64[ns]

完全匹配你期望的结果（NaN对应需求中的NULL）。

性能优势说明 #

• 原循环方案是逐行遍历+全局筛选，时间复杂度为O(n²)，数据量达到万级以上就会急剧变慢；
• 分组移位是Pandas底层优化的向量化操作，时间复杂度接近O(n)，处理百万级数据也能快速完成。

注意事项 #

• 如果ID不是严格递增的，必须在组内执行sort_values('ID')，否则shift会取到错误的行；
• 若不需要datetime类型，可通过dt.strftime('%Y-%m-%d')转为字符串格式，再用fillna替换NaN为你需要的默认值（如'0'）。

内容的提问来源于stack exchange，提问作者R Noobie