Python 每個用戶過去 30 天的銷售額總和

Question

我正在嘗試獲取名為“sales_30d_lag”的新 df 列，其中每個 user_id 自上次購買日期起過去 30 天的總銷售額。 我知道如何獲得 30 天的延遲，請參見下面的代碼，但這不能解決問題，因為它是固定日期。

用戶身份	購買日期	產品	銷售量
1	21 年 1 月 1 日	一個	1
2	21 年 1 月 1 日	一個	1

max_date = max(df['purchase_date'])
df['30d_lag']= pd.to_datetime(df['max_date']) - pd.to_timedelta(30)

我也使用了不同的方法，但這似乎也不起作用。 任何想法如何獲得這個專欄？

start_date = pd.to_datetime(df['max_date'])
end_date = start_date - pd.to_timedelta(30)
df_30d_lag = df[df['purchase_date'].between(start_date, end_date)].groupby('user_id').agg({'sales':'sum'}).rename(columns={'sales':'sales_30d_lag'}).reset_index()

Answer 1

您可以結合使用isin和pd.date_range函數。

這是一個例子：

start_date = pd.to_datetime(df['max_date'])
end_date = start_date - pd.to_timedelta(30)

30_d_df = df[df['datetime_col'].isin(pd.date_range(start_date, end_date, freq='D'))]

# Once the filtration is complete you can use your normal groupby function 
30_d_df.groupby('user_id').agg({'sales':'sum'})

注意：要讓這個 function 工作，您需要在datetime_col中有 datetime_col（如果它已經不在其中）。