如何在Pandas中按指定回溯列数计算客户收入均值？

原始数据 #

customer_id   revenue_m7   revenue_m8   revenue_m9  revenue_m10  
   1             1234         1231        1256         1239      
   2             5678         3425        3255         2345      

需求 #

• 计算每位客户最近2个月（revenue_m9、revenue_m10）的收入均值；
• 计算每位客户最近4个月（revenue_m7至revenue_m10）的收入均值。

现有问题 #

当前硬编码列名的方式（手动相加再除以数量）在计算12个月这类多列均值时过于繁琐，需要一种仅输入回溯列数就能自动计算的高效方法。

解决方案 #

核心思路 #

1. 筛选出所有收入相关列（排除customer_id），并按月份编号排序，保证列顺序从早到晚；
2. 编写通用函数，根据输入的回溯列数N，自动取最后N列计算每行均值。

代码实现 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'customer_id': [1, 2],
    'revenue_m7': [1234, 5678],
    'revenue_m8': [1231, 3425],
    'revenue_m9': [1256, 3255],
    'revenue_m10': [1239, 2345]
})

# 筛选并排序收入列：按月份数字排序（m7 < m8 < m9 < m10）
revenue_cols = sorted(
    [col for col in df.columns if col.startswith('revenue_m')],
    key=lambda x: int(x.split('_')[-1][1:])  # 提取月份数字（如m7取7）
)

# 通用均值计算函数
def get_recent_mean(df, n_months):
    # 获取最近n_months列的收入数据
    target_cols = revenue_cols[-n_months:]
    # 计算每行均值
    return df[target_cols].mean(axis=1)

# 生成结果列
df['revenue_mean_2m'] = get_recent_mean(df, 2)
df['revenue_mean_4m'] = get_recent_mean(df, 4)

print(df)

优势 #

• 无需硬编码列名，新增月份列（如revenue_m11）后，只要命名规范，函数会自动识别排序；
• 支持任意回溯列数，输入12就能直接计算过去12个月的均值，复用性极强；
• 避免手动加减列名导致的拼写错误，计算更可靠。

最终输出 #

customer_id  revenue_m7  revenue_m8  revenue_m9  revenue_m10  revenue_mean_2m  revenue_mean_4m
0            1        1234        1231        1256         1239           1247.5           1240.0
1            2        5678        3425        3255         2345           2800.0           3675.75

（注：原示例中revenue_mean_2m第一行数值有误，正确计算应为(1256+1239)/2=1247.5）

内容的提问来源于stack exchange，提问作者The Great