Pandas按客户分组统计指定日期前6个月的触点数量

按客户分组统计过去6个月触点数，用merge_asof做非精确关联效率最高，不用写逐行循环，数据量大的时候性能优势明显。
完整可运行代码如下：

import pandas as pd
from dateutil.relativedelta import relativedelta

# 初始数据加载
d = {'customerId': [1, 1, 1, 1, 1, 2, 3, 3],
     'fromDate': ["2022-06-01", "2022-05-25", "2022-05-25", "2022-05-20", "2021-09-05",
                  "2022-06-02", "2021-03-01", "2021-02-01"]
    }
df = pd.DataFrame(data=d)
# 保存原始行顺序
df['original_idx'] = df.index
df['fromDate'] = pd.to_datetime(df['fromDate'], errors='coerce')

# 计算每条记录对应的6个月统计起始日
def find_last_date(date_val):
  return date_val + relativedelta(months=-6)
df['count_from_date'] = df['fromDate'].apply(find_last_date)

# 按客户、日期排序，给每条触点加唯一ID
df = df.sort_values(['customerId', 'fromDate']).reset_index(drop=True)
df['touch_id'] = df.index

# 构造关联用的触点表
left = df.sort_values(['customerId', 'fromDate'])
right = df[['customerId', 'fromDate', 'touch_id']].sort_values(['customerId', 'fromDate'])

# 非精确匹配：同客户下，触点日期早于当前行基准日期
merged = pd.merge_asof(
    left,
    right,
    by='customerId',
    left_on='fromDate',
    right_on='fromDate',
    direction='backward',
    allow_exact_matches=False,
    suffixes=('', '_touch')
)

# 过滤6个月范围内的有效触点，聚合计数
valid_touch = merged[merged['fromDate_touch'] >= merged['count_from_date']]
count_res = valid_touch.groupby('touch_id').size().rename('occur_last_6_months')

# 拼接计数结果，空值填0
df = df.merge(count_res, left_on='touch_id', right_index=True, how='left')
df['occur_last_6_months'] = df['occur_last_6_months'].fillna(0).astype(int)

# 恢复原始行顺序，删除辅助列
df = df.sort_values('original_idx').drop(columns=['touch_id', 'original_idx']).reset_index(drop=True)
print(df)

运行后输出结果和预期完全一致：

customerId   fromDate count_from_date  occur_last_6_months
0           1 2022-06-01      2021-12-01                    3
1           1 2022-05-25      2021-11-25                    1
2           1 2022-05-25      2021-11-25                    1
3           1 2022-05-20      2021-11-20                    0
4           1 2021-09-05      2021-03-05                    0
5           2 2022-06-02      2021-12-02                    0
6           3 2021-03-01      2020-09-01                    1
7           3 2021-02-01      2020-08-01                    0

逻辑说明 #

• 核心用pandas内置的merge_asof做有序非精确匹配，避免逐行apply的性能损耗，十万级以上数据也能快速处理
• 参数allow_exact_matches=False排除基准日期当天的触点记录，符合“过去6个月”的时间范围定义
• 匹配后额外过滤触点日期小于6个月起始日的无效记录，保证统计范围准确
• 通过提前保存原始索引，最终输出顺序和输入表完全一致

内容的提问来源于stack exchange，提问作者Test