如何用Python按cust_id、sub_id分组计算支付月均并补全缺失月份生成目标dataframe

核心实现逻辑 #

• 按 cust_id + sub_id 对原始数据分组，计算每组的总支付金额、首笔支付时间、末笔支付时间
• 对每个分组，从首笔支付所在自然月开始，到末笔支付所在自然月结束，生成连续的自然月序列
• 用分组总支付金额除以序列的月份总数，得到每月的平均支付额，为序列内每个自然月分配这个均值

完整可运行代码 #

首先导入依赖库：

import pandas as pd

构造题目给出的示例原始数据：

raw_data = [
    (1, 'A', '12/1/20', 200),
    (1, 'A', '2/2/21', 200),
    (1, 'A', '2/3/21', 100),
    (1, 'A', '5/1/21', 200),
    (1, 'B', '1/2/21', 50),
    (1, 'B', '1/9/21', 20),
    (1, 'B', '3/1/21', 80),
    (1, 'B', '4/23/21', 90),
    (2, 'C', '1/4/21', 200),
    (2, 'C', '1/9/21', 300)
]
df = pd.DataFrame(raw_data, columns=['cust_id', 'sub_id', 'date', 'payment'])

第一步：转换日期格式，让pandas可识别时间序列

df['date'] = pd.to_datetime(df['date'], format='%m/%d/%y')

第二步：分组聚合，计算每个用户+订阅组的核心统计指标

group_stats = df.groupby(['cust_id', 'sub_id'], as_index=False).agg(
    total_pay=('payment', 'sum'),  # 组内累计总支付额
    first_pay_date=('date', 'min'), # 组内最早的支付时间
    last_pay_date=('date', 'max')   # 组内最晚的支付时间
)

第三步：为每个组生成连续自然月的补全记录

def build_monthly_record(row):
    # 取首笔、末笔支付对应的当月第一天，作为月份区间的起点和终点
    month_start = row['first_pay_date'].to_period('M').to_timestamp()
    month_end = row['last_pay_date'].to_period('M').to_timestamp()
    # 生成区间内所有自然月的第一天序列
    month_series = pd.date_range(start=month_start, end=month_end, freq='MS')
    # 计算月均支付额，保留2位小数匹配示例格式
    monthly_avg = round(row['total_pay'] / len(month_series), 2)
    # 返回该组对应的整段月度记录
    return pd.DataFrame({
        'cust_id': row['cust_id'],
        'sub_id': row['sub_id'],
        'date': month_series,
        'payment': monthly_avg
    })
# 拼接所有组的月度记录为最终结果表
result = pd.concat(
    group_stats.apply(build_monthly_record, axis=1).tolist(),
    ignore_index=True
)
# 将日期转回和示例一致的字符串格式
result['date'] = result['date'].dt.strftime('%m/%d/%y')

实操注意事项 #

• 日期解析出错时，优先核对pd.to_datetime的format参数是否和原始数据的日期规则匹配，比如原始日期为日/月/年格式时，需将format替换为%d/%m/%y
• 不需要保留固定两位小数时，可直接调整round函数的精度参数
• 无论组内支付记录是否存在跨月断档，生成的月份序列都是连续自然月，无需额外做缺失值填充

内容的提问来源于stack exchange，提问作者Yam