Pandas按product_id分组agg取最大timestamp时如何获取对应customer_id

你可以通过以下两种常用方式实现需求，可根据数据量大小选择：

前置准备 #

首先确保timestamp列是 pandas 可识别的时间类型，避免比较出错：

import pandas as pd
df['timestamp'] = pd.to_datetime(df['timestamp'])

方法1：直接在原有agg逻辑上扩展（适合小数据量） #

直接在原有聚合规则里新增自定义聚合函数，匹配每个分组最大时间对应的customer_id：

report = (
    df.groupby('product_id').agg(
        sum=pd.NamedAgg(column="count", aggfunc="sum"),
        mean_count=pd.NamedAgg(column="count", aggfunc="mean"),
        latest_purchase_time=pd.NamedAgg(column="timestamp", aggfunc="max"),
        # 新增字段：取当前分组内时间等于最大时间的customer_id
        customer_id=pd.NamedAgg(column="customer_id", aggfunc=lambda x: x[df.loc[x.index, 'timestamp'] == x.max()].iloc[0])
    )
)

如果同一商品同一最新时间存在多笔订单，把.iloc[0]替换为.tolist()即可返回所有对应用户ID列表。 #

方法2：先排序再聚合（适合大数据量，性能更高） #

先对全表按时间升序排序，分组后最后一条记录就是最新购买记录，直接取对应字段值即可，避免每个分组重复计算时间匹配逻辑：

# 按时间戳升序排序，保证同分组内最后一行是最新记录
df_sorted = df.sort_values('timestamp', ascending=True)
report = (
    df_sorted.groupby('product_id').agg(
        sum=pd.NamedAgg(column="count", aggfunc="sum"),
        mean_count=pd.NamedAgg(column="count", aggfunc="mean"),
        latest_purchase_time=pd.NamedAgg(column="timestamp", aggfunc="last"),
        customer_id=pd.NamedAgg(column="customer_id", aggfunc="last")
    )
)

内容的提问来源于stack exchange，提问作者Carasel