Python求和函数异常排查：客户交易统计结果失真问题

核心错误点 #

• 日期转换逻辑错误：代码中pd.to_datetime(df[start_date])完全错误，start_date是传入的日期字符串参数，不是DataFrame的列名，这里误将其当作列名读取数据，导致日期筛选条件彻底失效，统计范围完全偏离需求。
• 时间范围匹配错误：用selected_df.shape[0]（交易行数）截取历史数据的逻辑不成立。需求是统计相同时间长度的总额，而非相同交易行数。比如start_date到今天是30天，历史范围应该是start_date往前推30天到start_date，而非取最后N行——不同时间段交易密度不同，行数相同不代表时间范围一致。
• 客户维度缺失风险：若某客户在历史时间段无交易，groupby后该客户会从before结果中消失，导致after和before的客户集合不匹配，无法准确对比同一客户的前后交易总额。

修正后的代码 #

import pandas as pd

def sum_func(df: pd.DataFrame, start_date: str, date_col: str, sum_col: str):
    """
    统计起始日期至今日某列的总和，以及起始日期前相同时间范围的该列总和
    
    参数:
        df: 原始DataFrame
        start_date: 统计起始日期（字符串格式，如'2023-01-01'）
        date_col: 日期列的列名
        sum_col: 需要求和的列名

    返回:
        包含"after"（起始日至今总和）和"before"（起始日前相同时长总和）的字典
    """
    # 转换日期格式并计算时间跨度
    start_dt = pd.to_datetime(start_date)
    today_dt = pd.Timestamp.today()
    time_delta = today_dt - start_dt

    # 筛选起始日至今的数据
    selected_df = df.loc[
        (df[date_col] >= start_dt) & (df[date_col] <= today_dt)
    ].copy()

    # 筛选起始日前相同时间长度的数据
    before_start_dt = start_dt - time_delta
    selected_df_before = df.loc[
        (df[date_col] >= before_start_dt) & (df[date_col] < start_dt)
    ].copy()

    # 检查历史时间段数据是否存在
    if selected_df_before.empty:
        raise ValueError("起始日期前没有足够的历史数据")

    # 分组求和并对齐客户维度
    after_sum = selected_df.groupby('customer_no')[sum_col].sum()
    before_sum = selected_df_before.groupby('customer_no')[sum_col].sum()
    # 补全缺失客户，无交易则求和为0
    before_sum = before_sum.reindex(after_sum.index, fill_value=0)

    return {
        "after": after_sum,
        "before": before_sum,
    }

关键修正说明 #

1. 修复日期转换：将pd.to_datetime(df[start_date])改为pd.to_datetime(start_date)，正确使用传入的日期参数。
2. 按时间跨度匹配历史范围：计算start_date到今天的时间差time_delta，取start_dt - time_delta到start_dt的时间段，确保前后统计的是相同时长的交易数据。
3. 对齐客户维度：用reindex将before的结果索引对齐到after的客户列表，缺失客户填充0，保证两个结果的客户完全对应，便于对比分析。

内容的提问来源于stack exchange，提问作者Aon