求SQL语句：统计2022年客户月度交易频次分布

以下提供SQL和Python（Pandas）两种常用实现方式，适合数据分析新手操作：

SQL实现 #

1. 先统计每个客户2022年各月的交易次数 #

用CTE临时表存储中间结果：

WITH customer_monthly_trans AS (
    SELECT
        customer_id,
        DATE_FORMAT(transaction_date, '%Y-%m') AS transaction_month,
        COUNT(transaction_id) AS monthly_trans_count
    FROM
        transactions
    WHERE
        YEAR(transaction_date) = 2022
    GROUP BY
        customer_id, transaction_month
)

2. 统计各交易频次对应的客户数量（即分布情况） #

基于临时表分组统计：

SELECT
    monthly_trans_count,
    COUNT(DISTINCT customer_id) AS customer_num
FROM
    customer_monthly_trans
GROUP BY
    monthly_trans_count
ORDER BY
    monthly_trans_count;

注：不同数据库的日期函数可能有差异，比如PostgreSQL用TO_CHAR(transaction_date, 'YYYY-MM')，MySQL用上述DATE_FORMAT，需根据你的数据库类型调整。

Python（Pandas）实现 #

1. 导入并预处理数据 #

import pandas as pd

# 读取交易数据（根据实际数据源调整，比如从数据库读取、Excel等）
df = pd.read_csv('transactions.csv')

# 转换交易日期为datetime类型
df['transaction_date'] = pd.to_datetime(df['transaction_date'])

# 筛选2022年的交易记录
df_2022 = df[df['transaction_date'].dt.year == 2022]

2. 计算每个客户各月的交易次数 #

# 按客户和月份分组，统计交易次数
df_monthly = df_2022.groupby(
    ['customer_id', df_2022['transaction_date'].dt.to_period('M')]
)['transaction_id'].count().reset_index(name='monthly_trans_count')

3. 生成交易频次分布 #

# 按交易频次分组，统计对应客户数
freq_dist = df_monthly.groupby('monthly_trans_count')['customer_id'].nunique().reset_index(name='customer_num')

# 按频次排序，便于查看
freq_dist = freq_dist.sort_values('monthly_trans_count')

# 输出结果
print(freq_dist)

内容的提问来源于stack exchange，提问作者Bommu