如何按用户分组实现5/10/30天周期的交易滚动计数？

原代码的核心问题 #

1. 滚动窗口类型错误：rolling(5)是按行数取最近5条记录，不是按5天时间范围统计，完全不符合需求。
2. 合并方式错误：concat([df1, transaction_counts], axis=0)是行方向拼接数据，会导致数据重复堆叠，应该用列方向拼接（axis=1），但更高效的方式是直接将计算结果作为新列赋值。
3. 缺少时间排序：滚动窗口统计依赖数据按时间顺序排列，原代码未确保每个用户的交易按时间排序，会导致计算结果混乱。

正确实现步骤 #

1. 预处理：确保时间列类型正确并排序

首先将时间列转换为datetime类型，同时按用户ID和时间排序，保证每个用户的交易记录按时间先后排列：

import pandas as pd

# 转换时间列类型
df1['authorizationProcessedAt'] = pd.to_datetime(df1['authorizationProcessedAt'])
# 按用户ID和时间排序
df1 = df1.sort_values(by=['userId', 'authorizationProcessedAt'])

2. 计算多时间窗口的滚动交易数

使用rolling的window参数指定时间周期（如'5D'代表5天），通过on参数指定时间列，最后重置索引让结果与原数据对齐：

# 计算5天内滚动交易数
df1['rolling_5d_count'] = df1.groupby('userId')['transactionId'].rolling(
    window='5D', 
    on='authorizationProcessedAt'
).count().reset_index(level=0, drop=True)

# 计算10天内滚动交易数
df1['rolling_10d_count'] = df1.groupby('userId')['transactionId'].rolling(
    window='10D', 
    on='authorizationProcessedAt'
).count().reset_index(level=0, drop=True)

# 计算30天内滚动交易数
df1['rolling_30d_count'] = df1.groupby('userId')['transactionId'].rolling(
    window='30D', 
    on='authorizationProcessedAt'
).count().reset_index(level=0, drop=True)

关键参数说明 #

• window='5D'：指定滚动窗口为5天，支持的时间单位包括'D'（天）、'H'（小时）、'M'（分钟）等。
• on='authorizationProcessedAt'：指定用于计算窗口的时间列，无需将其设为索引，保持原数据结构更清晰。
• reset_index(level=0, drop=True)：移除分组产生的userId索引层，让计算结果的索引与原数据一致，直接匹配到对应行。

测试示例 #

如果用以下测试数据验证：

test_data = {
    'userId': ['u1', 'u1', 'u1', 'u2', 'u2'],
    'authorizationProcessedAt': ['2022-11-01', '2022-11-03', '2022-11-07', '2022-11-02', '2022-11-06'],
    'transactionId': ['t1', 't2', 't3', 't4', 't5'],
    'amount': [100, 200, 300, 150, 250],
    'merchantDescription': ['A', 'B', 'C', 'D', 'E']
}
df_test = pd.DataFrame(test_data)

执行上述代码后，u1的第三条交易（2022-11-07）的rolling_5d_count会是1（仅自身，前两条交易距离超过5天），rolling_10d_count会是3（11.01、11.03、11.07都在10天内）。

内容的提问来源于stack exchange，提问作者Munessain