如何为Pandas时序数据框按购买日期枚举用户购买顺序？

问题场景 #

现有存储客户购买记录的Pandas数据框，结构如下：

需要新增purchase_order列，标记每位客户的购买次序（按日期排序后的第1、2、3...次购买），最终输出如下：

原循环实现代码速度较慢，代码如下：

list_cli_id = [1,2,3,1,2,3,1,2,3,2]
list_dates = ['2017-01-01', '2017-01-04', '2017-01-03', '2017-02-01', '2017-01-31', '2017-02-02', '2017-02-15', '2017-02-10', '2017-02-16', '2017-02-20']
list_item_purchased = ['A','C','B','B','B','A','A','A','C','B']
df = pd.DataFrame({'cli_id': list_cli_id, 'date': list_dates, 'item_purchased': list_item_purchased})
df['date'] = pd.to_datetime(df['date'])

first = True
for id in df['cli_id'].unique():
    if first:
        df_order = df[df['cli_id'] == id].sort_values(by='date').reset_index().reset_index()
    else:
        df_order = df_order.append(df[df['cli_id'] == id].sort_values(by='date').reset_index().reset_index(), ignore_index=True)
    first = False

df_order = df_order.rename(columns={"level_0": "purchase_order"}).drop('index', axis=1)

高效实现方案 #

利用Pandas的分组、排序和矢量化计数功能，完全替代循环，大幅提升效率，代码更简洁：

完整优化代码 #

list_cli_id = [1,2,3,1,2,3,1,2,3,2]
list_dates = ['2017-01-01', '2017-01-04', '2017-01-03', '2017-02-01', '2017-01-31', '2017-02-02', '2017-02-15', '2017-02-10', '2017-02-16', '2017-02-20']
list_item_purchased = ['A','C','B','B','B','A','A','A','C','B']
df = pd.DataFrame({'cli_id': list_cli_id, 'date': list_dates, 'item_purchased': list_item_purchased})
df['date'] = pd.to_datetime(df['date'])

# 按客户ID和日期排序，确保同一客户的记录按时间先后排列
df_sorted = df.sort_values(by=['cli_id', 'date'])
# 为每个客户的购买记录生成从1开始的次序
df_sorted['purchase_order'] = df_sorted.groupby('cli_id').cumcount() + 1

# 可选：如果需要恢复原数据的行顺序
df_final = df_sorted.sort_index()

核心逻辑说明 #

• sort_values(['cli_id', 'date'])：先按客户ID分组，再按日期排序，保证每个客户的购买记录按时间顺序排列。
• groupby('cli_id').cumcount() + 1：对每个客户的分组内记录进行计数，cumcount()默认从0开始，加1后得到从1开始的购买次序，完全匹配需求。
• 避免了低效的循环和append操作：append在大数据量下性能极差，而矢量化操作能利用Pandas的底层优化，速度提升数倍甚至数十倍。

后续统计各次购买的众数 #

生成purchase_order列后，可直接按该列分组统计商品众数：

# 统计各次购买的商品众数
mode_by_order = df_sorted.groupby('purchase_order')['item_purchased'].agg(pd.Series.mode)

内容的提问来源于stack exchange，提问作者Pere Munar