使用Pandas创建Jan与Mar月份的客户群体迁移矩阵

针对20K量级客户，用pandas的向量化操作就能高效实现，步骤清晰且代码简洁：

步骤1：筛选目标月份数据 #

先从原DataFrame中只提取1月（Jan）和3月（Mar）的记录，减少后续处理的数据量：

import pandas as pd

# 假设原数据框名为df，month字段值为'Jan'/'Mar'这类字符串
filtered_df = df[df['month'].isin(['Jan', 'Mar'])]

步骤2：转换为客户-双月份分组宽表 #

把每个客户的Jan、Mar分组数据合并到同一行，方便后续统计交叉情况：

# 用pivot转置，index是客户ID，columns是月份，values是分组
customer_groups = filtered_df.pivot(
    index='customer_id',
    columns='month',
    values='Group'
).reset_index()

# 重命名列，让语义更清晰
customer_groups.columns = ['customer_id', 'Jan_Group', 'Mar_Group']

如果存在同一客户同一月份多条记录的情况，改用pivot_table并指定聚合方式（比如取第一个分组）：

customer_groups = filtered_df.pivot_table(
    index='customer_id',
    columns='month',
    values='Group',
    aggfunc='first'
).reset_index()

步骤3：生成迁移矩阵 #

用crosstab统计Jan分组到Mar分组的客户数量，直接得到规整的矩阵：

# 过滤掉只存在单月份数据的客户（可选，根据业务需求决定）
valid_customers = customer_groups.dropna(subset=['Jan_Group', 'Mar_Group'])

# 生成迁移矩阵
migration_matrix = pd.crosstab(
    index=valid_customers['Jan_Group'],
    columns=valid_customers['Mar_Group'],
    margins=True,  # 可选，添加行/列总计
    margins_name='总计'
)

migration_matrix的行是Jan的客户群体，列是Mar的客户群体，单元格值就是对应群体迁移的客户数量。

优势说明 #

• 所有操作都是pandas内置的向量化运算，处理20K客户毫无压力，速度远快于循环遍历
• 代码逻辑清晰，每一步都对应明确的业务动作，易于维护和修改
• 自动处理群体的所有可能组合，不需要手动枚举群体类型

内容的提问来源于stack exchange，提问作者The Great