求助：筛选近30天有活跃交易的用户最新交易数据

原始交易数据 #

需求说明 #

需要筛选出近30天内有活跃交易的用户数据：

• 活跃交易定义：total_transaction ≠ 0（非零交易）
• 每个用户仅保留其最新的交易记录

尝试的代码（不符合预期） #

df = df.groupby('user_id')['date','total_transaction'].max().reset_index()
df

问题：该代码会分别对date和total_transaction取最大值，可能导致日期与交易金额不对应同一条记录，同时未过滤掉total_transaction=0的无效数据。

预期输出 #

解决方案 #

步骤说明 #

1. 转换date列为datetime类型，便于日期计算
2. 过滤掉total_transaction=0的记录，同时筛选出近30天的数据（以数据中最晚日期为基准，也可替换为当前日期动态计算）
3. 按用户分组，保留每个用户最新的交易记录

代码实现 #

import pandas as pd

# 1. 转换日期列类型
df['date'] = pd.to_datetime(df['date'])

# 2. 过滤条件：非零交易 + 近30天（以数据中最晚日期为基准）
latest_date = df['date'].max()
filtered_df = df[(df['total_transaction'] != 0) & (df['date'] >= latest_date - pd.Timedelta(days=30))]

# 3. 按用户分组，保留最新记录：先按日期降序排序，再去重保留每个用户第一条
result_df = filtered_df.sort_values(['user_id', 'date'], ascending=[True, False]) \
                       .drop_duplicates('user_id') \
                       .reset_index(drop=True)

# 可选：用groupby + idxmax的方式实现
# result_df = filtered_df.loc[filtered_df.groupby('user_id')['date'].idxmax()] \
#                        .reset_index(drop=True)

print(result_df)

代码解释 #

• 日期转换：确保能进行日期加减等运算
• 过滤逻辑：先剔除无效的零交易记录，再筛选出近30天范围内的有效数据
• 去重逻辑：通过排序后保留每个用户的第一条记录（最新日期），或用idxmax直接定位每个用户最新日期的行索引，两种方式均可得到符合预期的结果

内容的提问来源于stack exchange，提问作者lilpearce