pandas如何通过滚动函数实现客户发票付款状态校验？

你这类同分组内跨相邻行交叉字段对比的需求，完全不需要硬套rolling()实现，反而用向量化的分组移位、累计聚合的方法，性能会比自定义滚动函数高几个量级，也是pandas生态里处理这类问题的标准做法。

前置数据预处理 #

你当前的日期字段是day X格式的字符串，直接做大小比较会走字典序匹配，结果不准，第一步先把可比较的日期数值抽出来，再按客户、发票开具时间排序：

import pandas as pd
import numpy as np

# 加载原始测试数据
data = [
          ['day 1','day 2', 2, 50],
          ['day 2','day 4', 2, 60],
          ['day 3','day 3', 1, 45],
          ['day 4','day 7', 2, 45],
          ['day 5','day 10', 3, 90],
          ['day 6','day 7', 3, 10],
          ['day 7','day 8', 2, 10]
]
columns = ['invoicedate', 'paymentdate', 'clientid', 'amounts']
df = pd.DataFrame(data=data, columns=columns)

# 预处理：从日期字符串里提取纯数字，转成可比较的整数
df['inv_day'] = df['invoicedate'].str.extract(r'(\d+)').astype(int)
df['pay_day'] = df['paymentdate'].str.extract(r'(\d+)').astype(int)
# 按客户ID、发票开单日排序，保证同客户的发票按开单先后顺序排列
df = df.sort_values(['clientid', 'inv_day']).reset_index(drop=True)

核心需求实现：校验开新票时上一张发票是否已完成付款 #

你的校验逻辑本质是：对每个客户按开单顺序排列的发票记录，拿当前行的开单日，对比同客户上一张发票的付款日——如果上一张的付款日早于当前新票的开单日，就说明开新票时旧账已经结清。
这个逻辑完全可以用分组移位实现，不需要滚动窗口：

# 按客户分组，提取同客户上一张发票的付款日，对齐到当前新票行
client_group = df.groupby('clientid')
df['prev_invoice_pay_day'] = client_group['pay_day'].shift(1)

# 校验规则：上一张发票的付款完成日 < 当前新票的开单日 → 满足「开新票前旧账已结清」
df['is_prev_paid_before_new_invoice'] = df['prev_invoice_pay_day'] < df['inv_day']

实现说明 #

• groupby.shift(1) 是纯向量化操作，对百万级数据的处理速度比滚动窗口加自定义函数快10倍以上
• 每个客户的第一张发票因为没有上一张记录，移位后的值为空，属于正常的初始状态
• 你之前尝试用rolling()没跑通，大概率是两个常见问题：
  • 没有按客户分组单独开滚动窗口，直接在全表上滚动，导致跨客户对比了无关记录
  • pandas默认的单列滚动函数只能传入当前列的序列值，没法在窗口内跨多列取值，写自定义函数传多列的开销会非常大

拓展场景：开新票时检查所有历史发票是否存在未结清 #

如果你的需求升级为不管隔了多少张旧发票，只要开新票的时间点还有任何一张旧发票没付完，就算存在风险，这时候也不需要硬写滚动函数，用累计最大值的向量化方法就能搞定：

# 计算同客户累计到当前行的历史最大付款日（移位后就变成「上一张及更早的所有发票的最大付款日」）
df['hist_max_pay_day'] = client_group['pay_day'].cummax().shift(1)
# 如果历史最大付款日 > 当前新票开单日 → 说明有旧发票的付款时间晚于新票开单时间，存在未结清
df['has_unpaid_old_invoice'] = df['hist_max_pay_day'] > df['inv_day']

这种实现和全量滚动逐行检查的结果完全一致，但全程没有用循环或者自定义apply，计算效率比rolling方案高两个量级。

内容的提问来源于stack exchange，提问作者Bernar van Tongeren