Pandas双DataFrame按注册日期范围统计用户消费额的实现方案

你原来的实现存在三个核心逻辑错误，直接导致结果数值错位：

• 按user分组遍历df1子表时，内部的apply循环没有匹配用户维度，直接在分组里循环全量df2的所有行，完全丢失了用户匹配关系
• apply返回的结果索引和df2的行索引没有做对齐，赋值时pandas会按索引自动匹配，最终新列的数值根本不是对应用户的计算结果
• 用固定30天周期计算“注册首月”不符合大多数业务的自然月统计逻辑，遇到大小月、闰月会出现统计偏差

核心思路是先把注册日期关联到每一笔消费记录上，用向量化运算替代逐行循环的apply逻辑，数据量越大效率优势越明显，同时可以灵活扩展不同注册周期的统计需求。

基础预处理 #

首先要统一日期格式，避免日期运算报错，再把注册日期匹配到每笔交易上：

import pandas as pd

# 统一转换日期列格式
df1['date_1'] = pd.to_datetime(df1['date_1'])
df2['date_2'] = pd.to_datetime(df2['date_2'])

# 左关联匹配每个用户的注册日期到对应交易记录
merged_trade = df1.merge(df2[['user', 'date_2']], on='user', how='left')

# 剔除消费日期早于注册日期的异常数据
merged_trade = merged_trade[merged_trade['date_1'] >= merged_trade['date_2']]

计算消费对应的注册周期 #

根据业务需要选择两种计算口径，后续扩展统计维度完全不用改核心逻辑：

1. 自然月口径：比如注册日为2021-02-05，注册首月为2021-02-05到2021-03-04，次月为2021-03-05到2021-04-04

   merged_trade['months_since_register'] = (
       (merged_trade['date_1'].dt.year - merged_trade['date_2'].dt.year) * 12
       + (merged_trade['date_1'].dt.month - merged_trade['date_2'].dt.month)
   )
   

2. 固定天数口径：比如注册首月为注册后0-30天，次月为31-60天，适合严格按日数算周期的场景

   merged_trade['days_since_register'] = (merged_trade['date_1'] - merged_trade['date_2']).dt.days
   

汇总周期消费并匹配回df2 #

按用户和周期维度分组求和，就可以得到每个用户不同周期的总消费：

# 以自然月口径为例，按用户、注册后第n月分组汇总
user_period_sum = merged_trade.groupby(
    ['user', 'months_since_register'], as_index=False
)['value'].sum().rename(columns={'value': 'total_amount'})

# 提取注册首月（偏移量为0）的统计结果，匹配回df2
first_month_data = user_period_sum[
    user_period_sum['months_since_register'] == 0
][['user', 'total_amount']]

df2 = df2.merge(first_month_data, on='user', how='left')
# 注册后首月没有消费的用户填充为0
df2['total_amount'] = df2['total_amount'].fillna(0)
df2 = df2.rename(columns={'total_amount': 'first_month_purchase'})

后续要统计注册后第二个月、第三个月的消费，只需要调整过滤维度的筛选值即可，不需要重写计算逻辑：

• 统计注册后第二个月消费：过滤条件换成months_since_register == 1，merge回df2作为新列second_month_purchase
• 统计固定天数周期的消费：把分组维度换成之前计算的days_since_register，先通过pd.cut按区间分桶打标签，再分组求和即可，逻辑完全通用
  这种向量化的实现方式，在数据量达到十万、百万级时，运行速度比逐行apply的方案快几十到上百倍，不会随着数据增长出现性能瓶颈。

内容的提问来源于stack exchange，提问作者Colin