如何用groupby按周一至周日的周计算用户平均周消费？

我来帮你搞定这个问题！你遇到的核心问题是resample('7D')是基于每个用户的首笔消费日期生成连续7天周期，而不是使用统一的周一至周日自然周，所以结果不符合预期。下面是具体的解决方法：

核心思路 #

我们需要用pd.Grouper来指定统一的周分组规则，强制所有用户使用周一作为周起始、周日作为周结束的自然周，而不是各自的消费起始日。

完整可运行代码 #

import pandas as pd

# 先还原你的原始数据
df1 = pd.DataFrame(index=pd.date_range('2015-04-24', periods = 50)).assign(purchase=[x for x in range(51,101)])
df2 = pd.DataFrame(index=pd.date_range('2015-04-28', periods = 50)).assign(purchase=[x for x in range(0,50)])
df3 = pd.concat([df1,df2], keys=['A','B'])
df3 = df3.rename_axis(['user','date']).reset_index()

# 关键计算步骤
# 1. 按用户+周一起始的周分组，计算每周消费均值
weekly_grouped = df3.groupby(
    ['user', pd.Grouper(key='date', freq='W-MON')]  # W-MON代表周以周一为起点
)['purchase'].mean()

# 2. 对每个用户的所有周均值再取平均，得到最终结果
average_weekly = weekly_grouped.groupby('user').mean().reset_index(name='average_weekly_spend')

print(average_weekly)

代码细节解释 #

• pd.Grouper(key='date', freq='W-MON')：这是解决问题的关键！W-MON是pandas的频率标识，明确指定周的起始是周一，结束是周日。这样不管每个用户的首笔消费日期是什么，都会被划分到统一的自然周里。
• 第一步分组计算的是每个用户每周的平均消费，第二步再对这些周均值取整体平均，就得到了你想要的“平均每周消费”。

结果验证 #

运行这段代码后，你会得到符合预期的统一周计算结果，再也不会出现不同用户周起始不一致的问题啦。

内容的提问来源于stack exchange，提问作者SCool