如何用Pandas筛选无月份间隔的用户交易数据？

原代码返回空结果主要有两个核心问题：

1. 固定秒数判断月份间隔完全不可靠：不同月份的天数差异极大（28-31天），用固定的2629746秒（约30.44天）会频繁误判——比如1月31日到2月28日的间隔是28天，秒数远小于阈值，但实际是跨了完整月份；而3月1日到4月1日是31天，秒数会超过阈值，被误判为存在间隔。
2. diff()的首个值为NaN：diff()计算当前行与前一行的差值，第一行没有前置行，结果是NaN。all()会将NaN视为False，导致所有用户组都不满足条件，最终过滤结果为空。

正确实现方式 #

我们直接基于年月维度判断连续性，避开秒数计算误差和NaN问题，以下是两种高效的实现方案：

方案一：对比连续年月范围 #

import pandas as pd

# 1. 提取交易日期的年月（YYYY-MM周期格式）
dataframe['year_month'] = dataframe['transaction_date'].dt.to_period('M')

# 2. 定义过滤函数：检查用户交易月份是否连续无缺失
def is_continuous_months(group):
    # 获取用户所有唯一的年月并排序
    user_months = group['year_month'].sort_values().unique()
    # 生成从第一个到最后一个年月的完整连续序列
    full_continuous_range = pd.period_range(start=user_months[0], end=user_months[-1], freq='M')
    # 若用户的月份数量与连续序列长度一致，说明无缺失
    return len(user_months) == len(full_continuous_range)

# 3. 按用户分组过滤
sorted_df = dataframe.sort_values(by=["username", "transaction_date"])
engaged_transactions = sorted_df.groupby("username").filter(is_continuous_months)

# 清理临时列（可选）
engaged_transactions = engaged_transactions.drop(columns='year_month')

方案二：检查相邻月份差值 #

这种方式更高效，无需生成完整连续范围，仅验证相邻月份的间隔是否为1个月：

import pandas as pd

dataframe['year_month'] = dataframe['transaction_date'].dt.to_period('M')

def is_continuous_months(group):
    user_months = group['year_month'].sort_values().unique()
    # 计算相邻年月的差值（转为整数，单位为月）
    month_gaps = (user_months[1:] - user_months[:-1]).astype(int)
    # 所有间隔必须为1才符合连续要求
    return (month_gaps == 1).all()

sorted_df = dataframe.sort_values(by=["username", "transaction_date"])
engaged_transactions = sorted_df.groupby("username").filter(is_continuous_months)
engaged_transactions = engaged_transactions.drop(columns='year_month')

关键说明 #

• 用dt.to_period('M')将日期转为年月周期，直接在月份维度处理，彻底规避了天数/秒数的计算误差。
• 两种方案都先对用户的年月去重排序，确保只考虑用户有交易的月份，而非重复的交易记录。
• 完全避开了diff()带来的NaN问题，直接处理完整的月份序列。

内容的提问来源于stack exchange，提问作者Saylent