使用以下python pandas dataframe df：
Customer_ID | Transaction_ID
ABC 2016-05-06-1234
ABC 2017-06-08-3456
ABC 2017-07-12-5678
ABC 2017-12-20-6789
BCD 2016-08-23-7891
BCD 2016-09-21-2345
BCD 2017-10-23-4567
遗憾的是，日期隐藏在transaction_id字符串中。我用这种方式编辑了数据框。
#year of transaction
df['year'] = df['Transaction_ID'].astype(str).str[:4]
#date of transaction
df['date'] = df['Transaction_ID'].astype(str).str[:10]
#format date
df['date']=pd.to_datetime(df['date'], format='%Y-%m-%d')
#calculate visit number per year
df['visit_nr_yr'] = df.groupby(['Customer_ID', 'year']).cumcount()+1
现在df看起来像这样：
Customer_ID | Transaction_ID | year | date |visit_nr_yr
ABC 2016-05-06-1234 2016 2016-05-06 1
ABC 2017-06-08-3456 2017 2017-06-08 1
ABC 2017-07-12-5678 2017 2017-07-12 2
ABC 2017-12-20-6789 2017 2017-12-20 3
BCD 2016-08-23-7891 2016 2016-08-23 1
BCD 2016-09-21-2345 2016 2016-09-21 2
BCD 2017-10-23-4567 2017 2017-10-23 1
我需要计算以下内容：
首先，我想包括以下列＆＃34; days_between_visits_by year＆＃34; （数学由Customer_ID完成）：
Customer_ID|Transaction_ID |year| date |visit_nr_yr|days_bw_visits_yr
ABC 2016-05-06-1234 2016 2016-05-06 1 NaN
ABC 2017-06-08-3456 2017 2017-06-08 1 NaN
ABC 2017-07-12-5678 2017 2017-07-12 2 34
ABC 2017-12-20-6789 2017 2017-12-20 3 161
BCD 2016-08-23-7891 2016 2016-08-23 1 NaN
BCD 2016-09-21-2345 2016 2016-09-21 2 29
BCD 2017-10-23-4567 2017 2017-10-23 1 NaN
请注意，我故意避免使用0并保留Nans，以防有人在同一天进行两次访问。
接下来，我想计算一次访问之间的平均天数（因此在1和2之间以及在一年内2到3之间）。寻找这个输出：
avg_days_bw_visits_1_2 | avg_days_bw_visits_2_3
31.5 161
最后，我想计算一般访问之间的平均天数：
output: 203.8
#the days between visits are 398,34,161,29,397 and the average of those
numbers is 203.8
我一直坚持如何创建专栏＆＃34; days_bw_visits_yr＆＃34;。 Nans必须被排除在数学之外。
答案 0 :(得分：3)
您可以通过更改＆＃34; date＆＃34;来获取之前的访问日期（按客户和年份分组）。列向下1：
df['previous_visit'] = df.groupby(['Customer_ID', 'year'])['date'].shift()
由此可见，两次访问之间的差异只是差异：
df['days_bw_visits'] = df['date'] - df['previous_visit']
要计算均值，请将日期增量对象转换为天数：
df['days_bw_visits'] = df['days_bw_visits'].apply(lambda x: x.days)
平均访问天数：
df.groupby('visit_nr_yr')['days_bw_visits'].agg('mean')
df['days_bw_visits'].mean()
答案 1 :(得分：1)
来源DF：
In [96]: df
Out[96]:
Customer_ID Transaction_ID
0 ABC 2016-05-06-1234
1 ABC 2017-06-08-3456
2 ABC 2017-07-12-5678
3 ABC 2017-12-20-6789
4 BCD 2016-08-23-7891
5 BCD 2016-09-21-2345
6 BCD 2017-10-23-4567
解决方案：
df['Date'] = pd.to_datetime(df.Transaction_ID.str[:10])
df['visit_nr_yr'] = df.groupby(['Customer_ID', df['Date'].dt.year]).cumcount()+1
df['days_bw_visits_yr'] = \
df.groupby(['Customer_ID', df['Date'].dt.year])['Date'].diff().dt.days
结果：
In [98]: df
Out[98]:
Customer_ID Transaction_ID Date visit_nr_yr days_bw_visits_yr
0 ABC 2016-05-06-1234 2016-05-06 1 NaN
1 ABC 2017-06-08-3456 2017-06-08 1 NaN
2 ABC 2017-07-12-5678 2017-07-12 2 34.0
3 ABC 2017-12-20-6789 2017-12-20 3 161.0
4 BCD 2016-08-23-7891 2016-08-23 1 NaN
5 BCD 2016-09-21-2345 2016-09-21 2 29.0
6 BCD 2017-10-23-4567 2017-10-23 1 NaN
答案 2 :(得分：0)
值得一提的是，除了获得上次购买之间的时间差
df['previous_visit'] = df.groupby(['Customer_ID', 'year'])['date'].shift()
df['days_bw_visits'] = df['date'] - df['previous_visit']
df['days_bw_visits'] = df['days_bw_visits'].apply(lambda x: x.days)
在执行.shift（）之前，应确保按组值对日期进行排序，以避免days_bw_visits为负数
df = df.sort_values(['Customer_ID', 'DATE_D'])