如何使用Pandas的groupby遍历数组？基于多用户多推广活动CSV数据

看起来你已经拿到了一份包含用户ID、时间戳和广告活动的时序数据集，接下来我会一步步教你用Pandas的groupby工具来遍历和处理这类数据，覆盖不同的分析需求：

第一步：先把数据读进Pandas #

首先确保导入Pandas，读取CSV时记得把时间列解析成时间格式（方便后续的时序操作）：

import pandas as pd

# 替换成你的CSV文件路径
df = pd.read_csv('your_data.csv', parse_dates=['date'])

方式1：基础遍历——按用户分组处理 #

最直接的方式是按user_id分组，逐个遍历每个用户的数据集，适合需要针对单个用户做个性化处理的场景：

# 按user_id分组，得到分组对象
user_groups = df.groupby('user_id')

# 遍历每个用户的分组
for user_id, user_data in user_groups:
    print(f"=== 正在处理用户ID: {user_id} ===")
    # 先把该用户的活动按时间排序
    sorted_user_data = user_data.sort_values('date')
    # 打印该用户的活动时序（只展示关键列）
    print(sorted_user_data[['date', 'ad_campaign']])
    # 可以添加自定义逻辑，比如统计该用户的活动类型分布
    campaign_counts = sorted_user_data['ad_campaign'].value_counts()
    print("该用户的广告活动分布：")
    print(campaign_counts)
    print("\n")

遍历过程中，user_id是当前分组的键，user_data是该用户对应的所有行组成的子DataFrame，你可以在循环里对它做任何自定义操作。

方式2：多维度分组——按用户+广告活动组合遍历 #

如果需要分析每个用户对不同广告活动的交互细节，可以同时按user_id和ad_campaign双维度分组：

# 按用户ID和广告活动双维度分组
user_campaign_groups = df.groupby(['user_id', 'ad_campaign'])

for (user_id, campaign_name), group_data in user_campaign_groups:
    print(f"用户ID: {user_id} | 广告活动: {campaign_name}")
    print(f"交互次数: {len(group_data)}")
    print(f"首次交互时间: {group_data['date'].min()}")
    print(f"末次交互时间: {group_data['date'].max()}")
    print("---")

这里的分组键是一个元组(user_id, campaign_name)，对应的group_data是该用户与该广告活动的所有交互记录。

方式3：高效批量处理——用apply替代手动遍历 #

如果所有分组的处理逻辑都相同，用apply会比手动遍历更高效，代码也更简洁：

# 定义一个处理单个用户分组的函数
def process_user_interactions(group):
    # 1. 按时间排序
    sorted_group = group.sort_values('date')
    # 2. 添加一列：记录用户的活动序列（每次活动变化时递增）
    sorted_group['sequence_id'] = (sorted_group['ad_campaign'] != sorted_group['ad_campaign'].shift()).cumsum()
    # 3. 返回处理后的分组
    return sorted_group

# 将函数应用到每个用户分组，as_index=False避免把user_id设为索引
processed_df = df.groupby('user_id', as_index=False).apply(process_user_interactions)

# 查看处理后的结果
print(processed_df.head(10))

apply会自动把每个用户的子DataFrame传入函数，处理完成后合并成一个完整的DataFrame。

小技巧：快速查看单个分组 #

如果你想快速查看某个特定用户的分组数据，可以用get_group方法：

# 获取用户ID为151312395的所有数据
specific_user_data = user_groups.get_group(151312395)
print(specific_user_data)

内容的提问来源于stack exchange，提问作者Laila Van Ments