如何用Python按连续销售天数区间统计产品销量？

你之前的代码误区在于把**每月的日期数值（比如1号、2号）**当成了连续销售天数，完全没捕捉到「连续销售的时间段」这个核心需求。咱们来一步步修正，用pandas实现正确的统计逻辑：

核心思路 #

要实现需求，关键是先给每个产品的销售记录划分「连续销售的日期块」，再计算每个块的天数，最后把这些块归类到对应的天数区间并汇总销量。

完整代码实现 #

import pandas as pd

# 假设你的数据集已经加载为DataFrame df
# 第一步：标准化日期格式并排序
df["DATE_LOCATION"] = pd.to_datetime(df["DATE_LOCATION"], format="%d-%m-%y %H:%M")
df = df.sort_values(["PRODUCT_ID", "DATE_LOCATION"])

# 第二步：识别每个产品的连续销售日期块
# 计算当前日期与同组前一个日期的天数差
df["date_diff"] = df.groupby("PRODUCT_ID")["DATE_LOCATION"].diff().dt.days
# 用cumsum生成连续块的标识：差值≠1时，视为新块的开始
df["continuous_block"] = df.groupby("PRODUCT_ID")["date_diff"].apply(lambda x: (x != 1).cumsum())

# 第三步：统计每个连续块的销售天数和总销量
block_summary = df.groupby(["PRODUCT_ID", "continuous_block"]).agg(
    block_days=("DATE_LOCATION", "nunique"),  # 每个块的连续销售天数（去重，避免同一天多条记录）
    total_sold=("Sold", "sum")
).reset_index()

# 第四步：将连续天数映射到指定区间
def map_to_day_range(days):
    if 1 <= days <= 3:
        return "1-3"
    elif 4 <= days <= 7:
        return "4-7"
    elif 8 <= days <= 15:
        return "8-15"
    elif days >= 16:
        return ">16"
    return None  # 无意义分支，仅做兜底

block_summary["Days"] = block_summary["block_days"].apply(map_to_day_range)

# 第五步：按产品和区间汇总销量，整理成期望格式
final_result = block_summary.groupby(["PRODUCT_ID", "Days"])["total_sold"].sum()
# 转成宽表，填充缺失区间的销量为0
final_result = final_result.unstack(fill_value=0).reset_index()
# 调整列顺序，匹配你的期望输出
final_result = final_result[["PRODUCT_ID", "1-3", "4-7", "8-15", ">16"]]

# 查看结果
print(final_result)

关键步骤解释 #

1. 日期排序：必须按产品和日期排序，否则后续的连续判断会出错。
2. 连续块识别：diff()计算日期差，cumsum()给每个连续时间段分配唯一编号——比如0E4234的01-08、02-08会被分到同一个块，07-08到10-08是另一个块。
3. 块统计：每个块计算连续天数（用nunique确保同一天多条记录只算1天）和总销量。
4. 区间映射与汇总：把每个块的天数映射到指定区间，最后按产品和区间求和，用unstack()转成你需要的宽表格式，缺失的区间自动填充0。

验证示例 #

拿你给出的0E4234数据举例：

• 第一个连续块（01-08、02-08）：连续2天，属于「1-3」区间，总销量2+7=9
• 第二个连续块（07-08、08-08、09-08、10-08）：连续4天，属于「4-7」区间，总销量3+1+2+1=7
• 最终结果里0E4234的「1-3」为9，「4-7」为7，其余为0，完全符合你的期望。

内容的提问来源于stack exchange，提问作者san