如何用Python生成包含每个用户最后订单的表格？

我正在完成一项练习：从包含UserID、购买日期、商品ID、InvoiceID及其他字段的模拟原始表中，生成仅包含每个用户最后一次订单的表格。要求每个用户对应一个InvoiceID，该订单下可包含多个商品，目前尚未找到可行的Python实现方法。

我尝试用以下代码获取每个用户的最后订单，但未能通过筛选生成符合要求的表格，无法将用户最后购买日期的所有商品与对应的InvoiceID正确对齐：

import pandas as pd
df = pd.DataFrame({'user': [1, 2, 3, 1, 1, 2, 2],
                   'product':['A','B','C', 'A','C','D','A'], 
                   'invoice': [101, 102, 103, 104, 104, 105, 105],
                   'date': ['1/02/2023', '1/03/2023', 
                   '1/04/2023','1/05/2023',
                   '1/05/2023','1/06/2023','1/06/2023']})

df['lastorder'] = df.groupby(['user'])['date'].\
                                            apply(lambda x: x.shift())

期望得到的表格应仅包含用户1、2、3的最后订单数据，分别对应日期1/05/2023、1/06/2023、1/04/2023，以及InvoiceID 104、105、103。

方法一：分组取最大日期后关联筛选 #

1. 先将日期列转换为datetime类型，避免字符串排序导致的错误
2. 按用户分组，获取每个用户的最后购买日期
3. 通过关联操作筛选出每个用户最后日期的所有订单记录

import pandas as pd

df = pd.DataFrame({'user': [1, 2, 3, 1, 1, 2, 2],
                   'product':['A','B','C', 'A','C','D','A'], 
                   'invoice': [101, 102, 103, 104, 104, 105, 105],
                   'date': ['1/02/2023', '1/03/2023', 
                   '1/04/2023','1/05/2023',
                   '1/05/2023','1/06/2023','1/06/2023']})

# 转换日期列为datetime类型，确保日期比较准确
df['date'] = pd.to_datetime(df['date'], format='%d/%m/%Y')

# 按user分组，提取每个用户的最后购买日期
user_last_dates = df.groupby('user')['date'].max().reset_index()

# 关联原始表，筛选出符合条件的记录
final_result = df.merge(user_last_dates, on=['user', 'date'])

print(final_result)

运行结果：

user product  invoice       date
0     1       A      104 2023-05-01
1     1       C      104 2023-05-01
2     2       D      105 2023-06-01
3     2       A      105 2023-06-01
4     3       C      103 2023-04-01

方法二：使用transform标记筛选 #

这种方法更简洁，直接为每行数据标记是否属于该用户的最后订单：

import pandas as pd

df = pd.DataFrame({'user': [1, 2, 3, 1, 1, 2, 2],
                   'product':['A','B','C', 'A','C','D','A'], 
                   'invoice': [101, 102, 103, 104, 104, 105, 105],
                   'date': ['1/02/2023', '1/03/2023', 
                   '1/04/2023','1/05/2023',
                   '1/05/2023','1/06/2023','1/06/2023']})

df['date'] = pd.to_datetime(df['date'], format='%d/%m/%Y')

# 标记每行是否为该用户的最后订单日期
df['is_last_order'] = df['date'] == df.groupby('user')['date'].transform('max')

# 筛选出最后订单记录并移除标记列
final_result = df[df['is_last_order']].drop('is_last_order', axis=1)

print(final_result)

两种方法都能准确获取每个用户最后一次订单的所有商品及对应的InvoiceID，满足需求。

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