Pandas计算同客户上次到访离场与本次到访入场时间的天数差

实现方案 #

你已经完成了按客户ID分组对到访入场时间排序的步骤，后续可直接通过groupby+shift偏移字段获取同客户上一次的离场时间，再做差值计算即可，完整实现代码如下：

import pandas as pd

# 可选：如果还未对数据集按客户+入场时间排序，先执行排序
temp = temp.sort_values(by=['customer ID', 'in time'], ascending=True).reset_index(drop=True)

# 第一步：先确保时间字段为datetime类型，避免计算报错
temp['in time'] = pd.to_datetime(temp['in time'])
temp['out time'] = pd.to_datetime(temp['out time'])

# 第二步：按customer ID分组，将out time向下偏移1行，得到同客户上一次到访的离场时间
temp['prev_out_time'] = temp.groupby('customer ID')['out time'].shift(1)

# 第三步：计算时间差，提取天数单位
temp['time difference (days)'] = (temp['in time'] - temp['prev_out_time']).dt.days

# 可选：如果首次到访的空差值需要填充为0，可加下面这行
temp['time difference (days)'] = temp['time difference (days)'].fillna(0)

逻辑说明 #

• shift(1)的作用是将分组后的单列数据整体向下移动1行，原本第n行的out time会移动到第n+1行，刚好对应同客户第n+1次到访的上一次离场时间
• 计算得到的时间差默认单位为天，首次到访因为没有上一次离场记录，会默认返回NaN，可根据业务需求选择是否填充
• 你之前计算的RANK列仅可用于验证排序结果，不需要作为计算的必要字段

内容的提问来源于stack exchange，提问作者PRAYANK