Pandas中如何为每笔交易匹配其日期前7天内的所有相关浏览记录

嗨，我get到你的需求啦——你想要给每一笔交易都找出该交易日期前7天内、同一用户同一商品的所有浏览记录，但merge_asof没法满足，因为它每条浏览记录只能匹配一次交易对吧？别着急，咱们换个思路就能轻松搞定，一步步来：

第一步：先把日期转为datetime类型 #

首先得把两个DataFrame里的日期字符串转成datetime格式，这样才能做时间差的计算，这是基础操作哦：

import pandas as pd

# 你的原始数据
trade = pd.DataFrame({'date': ['2019-08-31', '2019-09-01', '2019-09-04'],
                      'person': [1, 1,  2],
                      'code': [123, 123, 456],
                      'value1': [1, 2, 3]})

view = pd.DataFrame({'date': ['2019-08-29', '2019-08-29', '2019-08-30', '2019-08-31', '2019-09-01', 
                              '2019-09-01', '2019-09-01', '2019-09-02', '2019-09-03'],
                     'person': [1, 1, 1, 2, 1, 2, 2, 1, 2],
                     'code': [123, 456, 123, 456, 123, 123, 456, 123, 456],
                     'value': [1, 2, 3, 4, 5, 6, 7, 8, 9]})

# 转换日期格式
trade['date'] = pd.to_datetime(trade['date'])
view['date'] = pd.to_datetime(view['date'])

第二步：关联交易和浏览记录，筛选时间范围 #

我们先基于person和code把两个表做内连接，这样能得到所有“同一用户同一商品”的交易-浏览记录组合，然后再筛选出浏览记录在交易日期前7天内的条目：

# 内连接，得到所有同用户同商品的trade-view组合
combined = pd.merge(trade, view, on=['person', 'code'], suffixes=('_trade', '_view'))

# 筛选：浏览日期 >= 交易日期 -7天
time_condition = combined['date_view'] >= combined['date_trade'] - pd.Timedelta(days=7)
filtered = combined[time_condition]

第三步：分组聚合生成目标格式 #

接下来按每一笔交易的核心字段（交易日期、用户、商品、value1）分组，把符合条件的浏览日期和值分别聚合成列表，最后调整列名就和你要的结果一致啦：

# 分组聚合，将浏览日期和值转为列表
result = filtered.groupby(['date_trade', 'person', 'code', 'value1']).agg(
    # 把datetime转回字符串格式，和你的目标输出一致
    view_dates=('date_view', lambda x: x.dt.strftime('%Y-%m-%d').tolist()),
    view_values=('value', list)
).reset_index()

# 重命名交易日期列
result.rename(columns={'date_trade': 'date'}, inplace=True)

运行完这段代码，result就是你想要的输出啦！对比你给出的out完全匹配：

• 第一笔交易（2019-08-31，用户1，商品123）匹配到2019-08-29、2019-08-30的浏览记录，对应值[1,3]
• 第二笔交易（2019-09-01，用户1，商品123）匹配到2019-08-29、2019-08-30、2019-09-01的浏览记录，对应值[1,3,5]
• 第三笔交易（2019-09-04，用户2，商品456）匹配到2019-08-31、2019-09-01、2019-09-03的浏览记录，对应值[4,7,9]

补充：如果要保留无浏览记录的交易 #

如果你的交易数据里有一些没有对应浏览记录的条目，想要保留它们（对应的view_dates和view_values为空列表），只需要把内连接改成左连接，然后处理空值即可：

# 左连接，保留所有交易
combined = pd.merge(trade, view, on=['person', 'code'], suffixes=('_trade', '_view'), how='left')

# 筛选条件：要么符合时间范围，要么是没有匹配到浏览记录的空值
time_condition = combined['date_view'] >= combined['date_trade'] - pd.Timedelta(days=7)
filtered = combined[(time_condition) | (combined['date_view'].isna())]

# 聚合时去掉空值，生成空列表
result = filtered.groupby(['date_trade', 'person', 'code', 'value1']).agg(
    view_dates=('date_view', lambda x: x.dropna().dt.strftime('%Y-%m-%d').tolist()),
    view_values=('value', lambda x: x.dropna().tolist())
).reset_index()

result.rename(columns={'date_trade': 'date'}, inplace=True)

至于为什么merge_asof不行？因为它的设计逻辑是“为每条浏览记录找最近的交易”，而且每条浏览记录只能匹配一次交易，而我们需要的是为每条交易找所有符合条件的浏览记录，所以用“关联+筛选+聚合”的方式才是正确的打开方式~

备注：内容来源于stack exchange，提问作者Wendy