使用pandas在Python中为每个客户找到两个最新日期

Question

我有一个熊猫数据框，其中包含每个客户的购买日期。 我想找出每个唯一客户的最近购买日期和第二个最近购买日期。 这是我的数据框：

   name    date
    ab1     6/1/18
    ab1     6/2/18
    ab1     6/3/18
    ab1     6/4/18
    ab2     6/8/18
    ab2     6/9/18
    ab3     6/23/18

我期望以下输出：

name    second most recent date        most recent date
ab1      6/3/18                         6/4/18
ab2      6/8/18                         6/9/18
ab3      6/23/18                        6/23/18

我知道data['date'].max()可以给出最近的购买日期，但是我不知道如何找到最近的购买日期。 任何帮助将不胜感激。

Answer 1

要获取每个客户的两个最近的购买日期，您可以先按日期降序对数据框进行排序，然后对名称进行分组，然后将汇总的日期转换为单独的列。 最后，只需获取这些列中的前两列，您就可以获得每个客户的两个最近购买日期。

这是一个例子：

import pandas as pd

# set up data from your example
df = pd.DataFrame({
    "name": ["ab1", "ab1", "ab1", "ab1", "ab2", "ab2", "ab3"],
    "date": ["6/1/18", "6/2/18", "6/3/18", "6/4/18", "6/8/18", "6/9/18", "6/23/18"]
})

# create column of datetimes (for sorting reverse-chronologically)
df["datetime"] = pd.to_datetime(df.date)

# group by name and convert dates into individual columns
grouped_df = df.sort_values(
    "datetime", ascending=False
).groupby("name")["date"].apply(list).apply(pd.Series).reset_index()
# truncate and rename columns
grouped_df = grouped_df[["name", 0, 1]]
grouped_df.columns = ["name", "most_recent", "second_most_recent"]

最后使用grouped_df ：

  name most_recent second_most_recent
0  ab1      6/4/18             6/3/18
1  ab2      6/9/18             6/8/18
2  ab3     6/23/18                NaN

如果你想以填补任何缺失second_most_recent相应的值most_recent值，你可以使用np.where 。 像这样：

import numpy as np

grouped_df["second_most_recent"] = np.where(
    grouped_df.second_most_recent.isna(),
    grouped_df.most_recent,
    grouped_df.second_most_recent
)

结果：

  name most_recent second_most_recent
0  ab1      6/4/18             6/3/18
1  ab2      6/9/18             6/8/18
2  ab3     6/23/18            6/23/18