Pandas：分组查询订单号的最长连续序列与末次连续序列

先看我们的原始数据：

需求很明确：按user_id和product_id分组，计算两个核心指标：

• longest_streak：order_number的最长连续无跳过序列长度（如果所有订单号都是孤立的，无连续序列，值为0）
• last_streak：从最后一个order_number往前数的连续段长度（若最后一个订单号没有前续连续值，值为0）

期望输出结果：

实现思路与代码 #

我把整个实现拆成几个关键步骤，每一步都有明确的作用：

1. 准备数据并确保有序

首先要保证每个分组内的order_number是升序排列的，不然连续序列的判断会出错：

import pandas as pd

# 构建原始DataFrame
data = {
    'user_id': [1,1,1,1,1,2,2,2,2,3,3,3],
    'product_id': [1,1,1,2,2,1,1,1,1,1,1,1],
    'order_number': [1,2,3,1,5,1,3,4,5,1,2,6]
}
df = pd.DataFrame(data)

# 排序：按用户、商品、订单号升序
df = df.sort_values(['user_id', 'product_id', 'order_number']).reset_index(drop=True)

2. 标记连续序列分组

通过计算每个订单号与前一个的差值，判断是否属于同一个连续段：

# 计算当前订单号与前一个的差值
df['diff'] = df.groupby(['user_id', 'product_id'])['order_number'].diff()

# 生成连续段ID：当差值不等于1时，视为新的连续段，用cumsum分配唯一ID
df['segment_id'] = df.groupby(['user_id', 'product_id'])['diff'].apply(lambda x: (x != 1).cumsum())

比如用户1、商品1的订单号1、2、3，差值都是1，会被分到同一个segment_id；而订单号1和5的差值是4，会被分到不同的segment_id。

3. 计算每个连续段的长度

对每个（用户、商品、连续段）分组，统计该段内的订单数量：

df['streak_length'] = df.groupby(['user_id', 'product_id', 'segment_id'])['order_number'].transform('count')

4. 计算最长连续序列

取每个（用户、商品）分组中最大的段长度，若最大长度<=1，说明没有连续序列，设为0：

# 提取每个分组的最大段长度
longest = df.groupby(['user_id', 'product_id'])['streak_length'].max().reset_index()
# 转换为符合需求的longest_streak
longest['longest_streak'] = longest['streak_length'].apply(lambda x: x if x > 1 else 0)
longest = longest.drop('streak_length', axis=1)

5. 计算末次连续序列

找到每个分组的最后一个连续段，判断其长度是否大于1，大于则保留长度，否则设为0：

# 获取每个分组的最后一个连续段ID
last_segment = df.groupby(['user_id', 'product_id'])['segment_id'].last().reset_index()
# 合并得到最后一个段的长度
last_streak_df = pd.merge(
    last_segment, 
    df[['user_id', 'product_id', 'segment_id', 'streak_length']].drop_duplicates(), 
    on=['user_id', 'product_id', 'segment_id']
)
# 转换为符合需求的last_streak
last_streak_df['last_streak'] = last_streak_df['streak_length'].apply(lambda x: x if x > 1 else 0)
last_streak_df = last_streak_df.drop(['segment_id', 'streak_length'], axis=1)

6. 合并结果得到最终输出

把最长和末次连续序列的结果合并起来：

result = pd.merge(longest, last_streak_df, on=['user_id', 'product_id'])
print(result)

运行这段代码后，就能得到你期望的结果啦！

内容的提问来源于stack exchange，提问作者iLoeng