使用Pandas统计先购买Product 1后购买Product 2的客户数

核心逻辑不用逐订单遍历判断，按客户维度取两个关键值对比即可，执行效率远高于逐行匹配，适配百万级以上订单数据：

• 先为每条订单标记是否包含Product 1、是否包含Product 2，匹配时注意做精确识别，避免把Product 10这类名称相似的商品误判为Product 1
• 按Customer ID分组聚合，计算每个客户首次购买Product 1的订单序号、首次购买Product 2的订单序号
• 只要客户的首次购Product 1序号严格小于首次购Product 2序号，就满足「买Product2之前已经买过Product1」的条件，对这类客户计数即可

自动排除边界情况：从未买过Product1、从未买过Product2的客户，聚合时对应值为空，比较结果为False，不会被计入统计，不需要额外写过滤逻辑。

可直接运行的参考代码 #

import pandas as pd

# 以下为构造和你给出的样例完全一致的测试数据，实际使用时替换成你自己的DataFrame即可
df = pd.DataFrame([
    ["Customer 1", "Order 111", 1, "Product 1, Product 3, Product 4"],
    ["Customer 1", "Order 112", 2, "Product 2"],
    ["Customer 2", "Order 113", 1, "Product 2, Product 4"],
    ["Customer 2", "Order 114", 2, "Product 1"],
], columns=["Customer ID", "Order ID", "Index of Order", "Products on Order (concatenated into a string)"])

# 给订单打商品标记：拆分逗号分隔的商品列表做精确匹配，准确率最高
df["has_p1"] = df["Products on Order (concatenated into a string)"].str.split(", ").apply(lambda items: "Product 1" in items)
df["has_p2"] = df["Products on Order (concatenated into a string)"].str.split(", ").apply(lambda items: "Product 2" in items)

# 按客户聚合，取两类商品的最早购买订单序号
customer_purchase = df.groupby("Customer ID").agg(
    first_p1 = ("Index of Order", lambda seq: seq[df.loc[seq.index, "has_p1"]].min()),
    first_p2 = ("Index of Order", lambda seq: seq[df.loc[seq.index, "has_p2"]].min())
)

# 计算符合条件的客户总数
result = (customer_purchase["first_p1"] < customer_purchase["first_p2"]).sum()
print(result) # 样例数据输出1，和预期结果完全一致

大数据量优化版 #

如果你的订单数据量超过百万行，可以把打标记的逻辑替换为正则全词匹配，跳过列表拆分步骤，运行速度能提升30%以上：

# 用单词边界做精确匹配，不会误识别Product 10这类商品
df["has_p1"] = df["Products on Order (concatenated into a string)"].str.contains(r"\bProduct 1\b", regex=True)
df["has_p2"] = df["Products on Order (concatenated into a string)"].str.contains(r"\bProduct 2\b", regex=True)

后续聚合、统计逻辑和上面完全一致。

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