Python/SQL实现计算客户平均访问间隔天数的函数需求

处理步骤： #

1. 转换日期列类型：先把字符串格式的访问日期转成datetime类型，才能进行日期间隔计算。
2. 按客户分组并排序日期：对每个客户的访问日期做排序，保证间隔计算是按时间顺序进行的。
3. 计算相邻日期间隔并求平均：针对每个客户的日期序列，算出相邻日期的差值，转成天数后取平均值。

完整代码实现： #

import pandas as pd

def calculate_avg_interest_duration(dt):
    # 把字符串格式的访问日期转为datetime类型
    dt['访问日期'] = pd.to_datetime(dt['访问日期'])
    
    # 按客户邮箱分组，排序日期后计算间隔天数，再求平均值
    avg_interval = dt.groupby('email_proposta')['访问日期'].apply(
        lambda x: x.sort_values().diff().dt.days.dropna().mean()
    ).reset_index(name='平均购买兴趣时长（天）')
    
    return avg_interval

代码说明： #

• pd.to_datetime(dt['访问日期'])：将字符串格式的日期转为可计算的datetime对象，这是日期运算的前提。
• groupby('email_proposta')：按客户邮箱分组，确保每个客户的访问数据独立处理。
• x.sort_values()：对单个客户的访问日期排序，避免因原始数据乱序导致间隔计算出错。
• diff().dt.days：计算相邻日期的时间差并转为天数，diff()生成的第一个值是NaN（无前置日期），用dropna()剔除后再计算平均值。
• mean()：对每个客户的有效间隔天数取平均，得到该客户的平均购买兴趣时长。

内容的提问来源于stack exchange，提问作者Vívian Andrade