如何按Group Id计算DataFrame中近3个月交易笔数及金额总和？

输入数据集 #

期望输出 #

规则说明 #

• 同一日期可存在多笔交易，例如2022-01-02有两笔交易；
• 近3个月计算规则：当前月份交易总笔数+前两个月交易总笔数，金额计算逻辑相同，如1月仅2笔交易，无过往交易，故累计为2；
• 需按每个Id分组进行计算。

实现代码（Pandas） #

import pandas as pd

# 构造输入数据（实际场景可替换为读取文件逻辑）
df = pd.DataFrame({
    'Id': ['A']*10,
    'Date': ['2022-01-02', '2022-01-02', '2022-02-04', '2022-02-05', '2022-04-08',
             '2022-04-11', '2022-05-13', '2022-06-12', '2022-06-15', '2022-08-16'],
    'TransAmt': [10, 20, 30, 20, 300, 100, 200, 20, 300, 100]
})

# 转换日期格式并提取年月周期
df['Date'] = pd.to_datetime(df['Date'])
df['YearMonth'] = df['Date'].dt.to_period('M')

# 按ID和年月聚合，计算每月交易笔数与总金额
monthly_summary = df.groupby(['Id', 'YearMonth']).agg(
    monthly_count=('TransAmt', 'count'),
    monthly_amount=('TransAmt', 'sum')
).reset_index()

# 对每个ID计算近3个月的滚动累计值，最小窗口为1（不足3个月时取已有月份总和）
monthly_summary['CountThreeMonth'] = monthly_summary.groupby('Id')['monthly_count'].rolling(3, min_periods=1).sum().droplevel(0)
monthly_summary['AmountThreeMonths'] = monthly_summary.groupby('Id')['monthly_amount'].rolling(3, min_periods=1).sum().droplevel(0)

# 将累计值合并回原数据集，移除中间列并调整顺序
final_result = df.merge(
    monthly_summary[['Id', 'YearMonth', 'CountThreeMonth', 'AmountThreeMonths']],
    on=['Id', 'YearMonth'],
    how='left'
).drop('YearMonth', axis=1)[['Id', 'Date', 'TransAmt', 'CountThreeMonth', 'AmountThreeMonths']]

# 输出结果
print(final_result)

内容的提问来源于stack exchange，提问作者Rahi007