基于分组计算单个客户平均购买间隔时间的技术咨询

嘿，这个需求我经常碰到，核心就是分组计算相邻购买的时间差平均值，我给你拆解两种最常用的实现方案，你可以根据自己用的工具来选：

这是后端或者数据工程师常用的方式，不用导出数据，直接在数据库里完成计算：

• 第一步：先给每个客户的购买记录排序，算出相邻两次的购买间隔
  假设你的表叫customer_purchases，有customer_id（客户ID）和purchase_year（购买年份）两个核心字段，用LAG()窗口函数就能拿到上一次购买的年份，然后算出差值：

  SELECT 
      customer_id,
      purchase_year,
      -- 用当前购买年份减去上一次的，得到间隔
      purchase_year - LAG(purchase_year) OVER (PARTITION BY customer_id ORDER BY purchase_year) AS purchase_interval
  FROM customer_purchases
  

  注：第一次购买的记录没有上一次，所以purchase_interval会是NULL，后面要过滤掉。

• 第二步：按客户分组，计算间隔的平均值
  把上面的结果当作临时表，再分组求平均就行：

  SELECT 
      customer_id,
      AVG(purchase_interval) AS avg_purchase_interval
  FROM (
      SELECT 
          customer_id,
          purchase_year - LAG(purchase_year) OVER (PARTITION BY customer_id ORDER BY purchase_year) AS purchase_interval
      FROM customer_purchases
  ) AS purchase_intervals
  WHERE purchase_interval IS NOT NULL -- 排除第一次购买的空值
  GROUP BY customer_id
  

  如果你的购买时间是更精确的日期（比如2023-10-05），把purchase_year换成日期字段，用DATEDIFF()（不同数据库函数名可能有差异，比如PostgreSQL用AGE()）计算天数/月数，再求平均就好。

如果是数据分析师处理导出的数据集，用Pandas会很方便：

• 第一步：加载数据并按客户+购买时间排序
  先把数据读成DataFrame，确保每个客户的购买记录是按时间排好序的：

  import pandas as pd
  
  # 示例数据，替换成你的真实数据
  df = pd.DataFrame({
      'customer_id': ['A', 'A', 'A', 'B', 'B'],
      'purchase_year': [2018, 2020, 2023, 2019, 2022]
  })
  
  # 按客户分组后排序购买年份
  df_sorted = df.sort_values(['customer_id', 'purchase_year'])
  

• 第二步：计算每个客户的相邻购买间隔
  用groupby+diff()函数，和SQL的LAG()效果一样，直接算出相邻行的差值：

  # 给每个客户计算购买间隔
  df_sorted['purchase_interval'] = df_sorted.groupby('customer_id')['purchase_year'].diff()
  

  这里第一次购买的间隔会是NaN，后续处理要注意。

• 第三步：分组求平均间隔
  最后按客户分组，对间隔列求平均：

  # 计算每个客户的平均购买间隔
  avg_interval_result = df_sorted.groupby('customer_id')['purchase_interval'].mean().reset_index()
  # 重命名列名更直观
  avg_interval_result.columns = ['customer_id', 'avg_purchase_interval']
  

  如果是精确日期，先把列转成datetime类型，diff()会返回时间差对象，你可以转成天数（.dt.days）再求平均。

• 一定要先按客户+购买时间排序，不然间隔计算会完全出错！
• 如果客户只有1次购买，平均间隔会是NULL/NaN，你可以根据业务需求决定是保留还是过滤掉这些客户。
• 如果同一个客户在同一年买了多次，间隔会是0，要不要排除这类情况，得看你对“购买间隔”的定义（比如是否算连续购买）。

内容的提问来源于stack exchange，提问作者joerna