Pandas计算每个客户首次购买对应消费金额的实现方法
代码异常原因
当前执行的ticket.groupby(['user_reference_id','total_amount']).reference_date.min().reset_index()代码,错把total_amount加入了分组维度,相当于把同一用户下每一种不同的消费金额拆成独立分组,分别计算每个分组内的最小消费日期,最终就会输出同一用户对应多笔不同消费金额的零散冗余记录,完全无法匹配“提取用户首次消费日期对应消费额”的需求。
正确实现逻辑
要达成目标,核心逻辑是:仅以user_reference_id为分组依据,在每个用户的全量消费记录中定位到reference_date最小的行,提取该行关联的total_amount字段即可。
常用可直接复用的实现方案有两种:
- 方案一:排序+去重(执行效率高,逻辑直观)
先将全量记录按user_reference_id升序、reference_date升序排序,再按用户ID维度去重,每个用户保留排序后的第一条记录,即为该用户的首次消费记录。
对应代码:# 按用户ID、消费日期升序排序 sorted_ticket = ticket.sort_values(by=['user_reference_id', 'reference_date']) # 每个用户保留最早消费日期对应的首条记录 first_purchase = sorted_ticket.drop_duplicates(subset=['user_reference_id'], keep='first') - 方案二:标记筛选
先用聚合计算每个用户对应的最小消费日期,写入临时标记列,再筛选出消费日期等于用户自身最小日期的记录,就是需要的首次消费数据。
对应代码:# 给每条记录打上所属用户的最早消费日期标记 ticket['min_purchase_date'] = ticket.groupby('user_reference_id')['reference_date'].transform('min') # 筛选出匹配最早消费日期的目标行 first_purchase = ticket[ticket['reference_date'] == ticket['min_purchase_date']]
输出效果
以用户159的场景为例,以上两种方案执行后,都会精准输出单条目标记录:user_reference_id=159、reference_date=2019-06-14、total_amount=49.66,不会出现同一用户下多金额对应多日期的冗余输出。
内容的提问来源于stack exchange,提问作者new_datascientist
相关产品推荐
相关产品推荐

