Python 从dataframe获取项目A的第一个订单和前一个订单（可以是项目A或不同的项目）之间的天数

我有一个数据框架，包括一年内所有客户的所有订单。 我想知道两次订单之间的平均天数： 第二个订单需要是一个特定的项目。我称之为A项。此项必须是客户第一次或第二次订购。 第一个订单可以是项目A或任何其他项目。第一次订购并不意味着是客户第一次订购。这只是先前的订单

下面是初始表的一个示例。它以粗体显示我感兴趣的行。 为了得到天数的差异，我需要找到一种方法以粗体显示数据

我尝试过不同的方法，比如groupby（）.first（）或nth（），但没有一种方法完全符合我的要求

顾客 日期 项目A B项 客户1 2020/03/01 0 1. 客户2 2020/03/02 1. 0 客户3 2020/03/03 0 1 客户3 2020/03/04 1 0 客户3 2020/03/05 1. 0 客户4 2020/03/06 0 1. 客户4 2020/03/07 0 1. cust 4 2020/03/08 0 1 cust 4 2020/03/09 1 0 客户4 2020/03/10 1. 0 客户4 2020/03/11 1. 0 cust 5 2020/03/14 1 0 cust 5 2020/03/15 1 0

---

首先，让我们确保

日期

是一个

时间戳

，并为每个客户订购：

df=df.assign（date=pd.to_datetime（df['date']）。排序_值（['customer'，'date']））

那么，就我所理解的逻辑而言，它是：

• 对于每个客户，主要考虑的顺序是，在所有客户订单中，第一个订单包含

  “项目A”

  ，第一个除外
• 时间差在该顺序和前一顺序之间

表达这种逻辑的一种方式是：

gb=df.groupby（'customer'））
a=gb['item a'].cumsum（）
n=gb.cumcount（）
掩码=（（a==1）和（n>0））|（（a==2）和（n==1））

然后，您可以选择该“考虑顺序”及其前一个：

out=df.loc[mask | mask.shift（-1）]

这提供了OP希望获得的数据帧：

>>输出
客户日期项目A项目B
2 cust 3 2020-03-03 0 1
3客户3 2020-03-04 10
7客户4 2020-03-08 01
8客户4 2020-03-09 10
12 cust 5 2020-03-13 0 0 0
13客户5 2020-03-14 10

或者，直接获得两个订单之间的平均时差：

avg_dt=df['date'].diff（）[mask].mean（）
#时间差（'1天00:00:00'）

是否可以添加预期的输出形状，仅添加一个包含客户和日期差异的表格？你想让客户像cust1一样不满足要求吗？如果是，您希望表中的值是多少？嗨，本，我已经编辑了我的问题。我的问题更多的是如何使输出表高于平均值。如果我可以有这个输出表，那么我将能够得到平均值。订单是否可以同时包含这两个项目？是的，这是可能的。项目A是一个特定的项目，项目B可以是任何其他项目，但不是A。客户可以在同一订单上购买项目A和BHi Pierre，很抱歉，这不是我所期望的。在考虑差异之前，有一些条件。我正在尝试获取上面显示的输出表或类似的输出表。它与您期望的输出表有什么不同？如果您查看我的输出表，如果客户在不同的月份购买了该商品5次，我唯一感兴趣的是第一批订单中的2次。如果客户第一次和第二次购买B项，然后购买a项3次（B、B、a、a、a），那么我只对订单2和订单3感兴趣，请根据附加说明重新编写答案。哦，非常感谢。你的第一个答案以另一种方式帮助我得到了结果：就在你的：

df.groupby（'customer'）['date'].diff（）之后，我添加了：
df=df[（df['dt']！=NaT&df['item']='item A'）]df=df.groupby（'customer'）.first（）