如何在DataFrame中添加客户首次购买日期列以区分新老客户

针对百万级交易数据，我们可以用Pandas的高效分组操作快速添加客户首次购买日期列，同时可基于此按月区分新老客户。

步骤1：数据准备与日期格式转换 #

首先确保日期列是可计算的datetime类型，这是准确获取首次购买日期的前提：

import pandas as pd

# 读取数据集（示例用模拟数据，实际替换为read_csv等读取方式）
df = pd.DataFrame({
    'Client_ID': ['Jhon', 'Jhon'],
    'Date': ['2022-08-25', '2022-09-26'],
    'Product': ['google', 'uber'],
    'Price': ['USD 10,00', 'USD 25,00']
})

# 将Date列转换为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

步骤2：添加首次购买日期列 #

通过groupby按客户分组，再用transform('min')将每个客户的最早购买日期映射到该客户的每一行数据中：

# 新增Cliente_firt_buy列，存储每个客户的首次购买日期
df['Cliente_firt_buy'] = df.groupby('Client_ID')['Date'].transform('min')

执行后你的DataFrame会和预期一致：

Client_ID       Date Product     Price Cliente_firt_buy
0      Jhon 2022-08-25  google  USD 10,00       2022-08-25
1      Jhon 2022-09-26    uber  USD 25,00       2022-08-25

步骤3：按月区分新老客户 #

基于首次购买日期和当前交易日期的月份，判断客户类型：

# 新增Client_Type列，标记新/老客户
df['Client_Type'] = df.apply(
    lambda row: '新客户' if row['Date'].strftime('%Y-%m') == row['Cliente_firt_buy'].strftime('%Y-%m') else '老客户',
    axis=1
)

性能说明 #

groupby+transform是Pandas的矢量化操作，避免了低效的逐行循环，能够高效处理百万级数据集。如果数据量远超百万级，可考虑使用Dask进行分布式处理，但常规场景下Pandas完全足够。

内容的提问来源于stack exchange，提问作者FábioRB