如何在Pandas Dataframe中实现带日期限制的去重累计计数？

给定如下销售数据Dataframe：

data = {
    'client_id': ['01419', '1444', '346344', '83204', '8370660'],
    'order_date': ['2022-04-06', '2021-05-22', '2022-11-10', '2023-02-22', '2019-06-11'],
    'order_id': [200140, 146977, 249517, 260853, 91743],
    'name': ['TACIANA', 'ROSANA', 'MARIA', 'ERIVAL', 'JOAO']
}

需要新增一列active_base，对每一行统计当前订单日期过去720天内（含当天）有购买记录的、排除当前客户的去重客户ID数量，期望输出如下：

df2 = {
'client_id': ['01419', '1444', '346344', '83204', '8370660'],
'order_date': ['2022-04-06', '2021-05-22', '2022-11-10', '2023-02-22', '2019-06-11'],
'order_id': [200140, 146977, 249517, 260853, 91743],
'name': ['TACIANA', 'ROSANA', 'MARIA', 'ERIVAL', 'JOAO'],
'active_base': [1, 1, 2, 3, 0]
}

实现步骤 #

1. 导入依赖并创建Dataframe
   导入pandas库，将原始数据转换为Dataframe：

   import pandas as pd
   
   data = {
       'client_id': ['01419', '1444', '346344', '83204', '8370660'],
       'order_date': ['2022-04-06', '2021-05-22', '2022-11-10', '2023-02-22', '2019-06-11'],
       'order_id': [200140, 146977, 249517, 260853, 91743],
       'name': ['TACIANA', 'ROSANA', 'MARIA', 'ERIVAL', 'JOAO']
   }
   df = pd.DataFrame(data)
   

2. 转换日期类型
   将order_date列转换为datetime格式，方便后续时间范围计算：

   df['order_date'] = pd.to_datetime(df['order_date'])
   

3. 定义计算函数并应用
   编写函数对每一行计算目标值，再通过apply方法批量处理：

   def calculate_active_base(row, df):
       # 计算时间范围：当前日期往前推720天至当前日期
       start_date = row['order_date'] - pd.Timedelta(days=720)
       end_date = row['order_date']
       # 筛选该时间范围内的所有订单
       date_mask = (df['order_date'] >= start_date) & (df['order_date'] <= end_date)
       # 获取范围内的去重客户ID
       unique_clients = df.loc[date_mask, 'client_id'].unique()
       # 计数：去重客户数减去当前客户（如果存在）
       active_count = len(unique_clients) - (1 if row['client_id'] in unique_clients else 0)
       return active_count
   
   # 新增active_base列
   df['active_base'] = df.apply(lambda x: calculate_active_base(x, df), axis=1)
   

4. 查看结果
   执行代码后，df将包含新增列，输出结果与期望一致：

   print(df)
   

输出：

client_id order_date  order_id     name  active_base
0    01419 2022-04-06    200140  TACIANA            1
1     1444 2021-05-22    146977   ROSANA            1
2   346344 2022-11-10    249517    MARIA            2
3    83204 2023-02-22    260853   ERIVAL            3
4  8370660 2019-06-11     91743     JOAO            0

内容的提问来源于stack exchange，提问作者matheusppedroso