如何用Pandas按条件关联数据，评估谷歌广告的销售转化效果？

前提说明 #

先统一列名（避免空格带来的操作麻烦）：

• Promotion：TrackID, click_datetime
• Website：TrackID, access_datetime, client_account
• Sales：client_account, sale, sale_datetime

第一步：为每个销售匹配最近的网站访问记录 #

你的SQL逻辑存在小问题：max(Website.TrackID)无法正确对应最近访问的TrackID，正确思路是先找到每个销售对应的最晚访问时间，再匹配对应的TrackID。用Pandas实现如下：

1. 关联Sales和Website，筛选出销售发生前的网站访问记录：

import pandas as pd

# 合并两个DataFrame，保留销售时间之前的访问记录
sales_with_visits = pd.merge(
    Sales,
    Website,
    on='client_account',
    how='left'
).query('access_datetime < sale_datetime')

2. 为每个销售（按client_account和sale_datetime分组）提取最近的访问记录：

# 按销售维度分组，取每组中访问时间最晚的记录
latest_visits = sales_with_visits.sort_values('access_datetime', ascending=False)\
                                 .groupby(['client_account', 'sale_datetime'])\
                                 .first()\
                                 .reset_index()

# 提取核心字段：销售信息、对应TrackID、最近访问时间
sales_with_latest_track = latest_visits[['client_account', 'sale', 'sale_datetime', 'TrackID', 'access_datetime']]

第二步：关联广告数据，判断销售是否来自广告 #

将第一步的结果与Promotion关联，筛选出广告点击早于销售的记录，最终得到带销售转化的广告列表：

# 关联广告数据和第一步的归因结果
ad_sales_attribution = pd.merge(
    Promotion,
    sales_with_latest_track,
    on='TrackID',
    how='left'
).query('click_datetime < sale_datetime')

# 整理最终输出：广告TrackID、对应的销售记录及时间信息
final_result = ad_sales_attribution[['TrackID', 'sale', 'sale_datetime', 'click_datetime']]

补充提示 #

• 若Sales中的sale无唯一标识，用client_account + sale_datetime分组可确保每个销售对应一条最近访问记录
• 确保所有时间列都是Pandas的datetime64类型，若不是可通过pd.to_datetime()转换，避免时间比较出错
• 若TrackID存在重复（理论上应唯一对应广告点击），可根据业务需求调整分组或去重逻辑

内容的提问来源于stack exchange，提问作者FábioRB