Pandas按ID分组判断1个月窗口内是否存在后续购买并新增left列

现有一个DataFrame df，结构如下：

ID        purchase_date       duration       end_date      1_month    
1          2021-04-03            4          2021-04-07    2021-05-07     
1          2021-05-01            7          2021-05-08    2021-06-08
2          2021-07-01            10         2021-07-11    2021-08-11
1          2021-07-05            5          2021-07-10    2021-08-10

需新增名为left的列：若客户在当前行1_month对应的日期范围内存在后续购买记录，则该字段赋值为0；若无对应购买记录则赋值为1，目标效果如下：

ID        purchase_date       duration       end_date      1_month      left
1          2021-04-03            4          2021-04-07    2021-05-07     0   
1          2021-05-01            7          2021-05-08    2021-06-08     1
2          2021-07-01            10         2021-07-11    2021-08-11     1
1          2021-07-05            5          2021-07-10    2021-08-10     1

约束规则 #

• 需基于1_month列按ID分组，判断当前行之后的1个月窗口内该客户是否存在其他购买记录，逻辑需同时兼容无后续购买、存在多次购买的客户场景。
• 仅存在1条购买记录的客户，left值统一赋值为1，这类客户不存在窗口内复购行为。
• 数据时间范围为2021-01-01至2022-01-01，需覆盖所有购买记录（含每个客户最后一条购买记录）的校验。

使用merge_asof做向量化非等值连接，性能远高于逐行apply，适配百万级数据量场景：

1. 首先统一日期列格式，避免类型错误

import pandas as pd

# 转换所有日期列为datetime类型
date_columns = ['purchase_date', 'end_date', '1_month']
df[date_columns] = df[date_columns].apply(pd.to_datetime)

2. 排序后做非等值匹配，查找当前行之后的最近一次购买记录

# 按用户ID、购买时间排序，保证匹配顺序正确
df = df.sort_values(['ID', 'purchase_date']).reset_index(drop=True)

# 构造复购匹配表
repurchase_records = df[['ID', 'purchase_date']].rename(columns={'purchase_date': 'next_purchase'})

# 按用户分组，匹配当前购买时间之后的最近一次购买
df = pd.merge_asof(
    df,
    repurchase_records,
    left_on='purchase_date',
    right_on='next_purchase',
    by='ID',
    direction='forward', # 仅匹配当前行之后的记录
    allow_exact_matches=False # 排除当前行自身
)

3. 按规则赋值left列

# 默认所有记录left为1（无复购）
df['left'] = 1
# 若找到的后续购买时间落在1_month窗口内，赋值为0
df.loc[df['next_purchase'] <= df['1_month'], 'left'] = 0

# 删除临时匹配列
df = df.drop(columns='next_purchase')

场景覆盖说明 #

• 单条记录客户：无后续匹配结果，next_purchase为空，left自动为1，符合要求
• 多次购买客户：自动匹配当前行之后最早的购买记录，只要落在窗口内就标记为0
• 客户最后一条购买记录：无后续购买记录，自动标记为1，符合边界要求
• 多次复购场景：仅判断窗口内是否存在购买，不限制复购次数，逻辑兼容

内容的提问来源于stack exchange，提问作者Databoi