Python 销售价值是否随着时间的推移而下降？熊猫

我有一个充满股票交易的数据框。我想计算一下如何判断某个客户的订单是否比他们通常订购的少

注意：一些客户可能会下一个大订单（是正常订单的两倍），然后需要两倍的时间再次订购。或者一半的尺寸和订单，频率是正常的两倍

数据布局：

SA_DACCNT=账号 SA_TRREF=发票编号

+-----------+------------+----------+------------+------------+
| SA_DACCNT | SA_TRDATE  | SA_TRREF | SA_TRVALUE | SA_PRODUCT |
+-----------+------------+----------+------------+------------+
| GO63      | 01/05/2019 | 11587    | 0.98       | R613S/6    |
| GO63      | 01/05/2019 | 11587    | 0.98       | R614S/6    |
| AAA1      | 01/05/2019 | 11587    | 1.96       | R613S/18   |
| GO63      | 01/05/2019 | 11587    | 2.5        | POST3      |
| DOD2      | 01/07/2019 | 11588    | 7.84       | R613S/18   |
+-----------+------------+----------+------------+------------+

到目前为止：

我曾尝试按客户分组，并将列重新采样为季度，分析每个客户最后一个季度的z分数，但结果并不总是正确的，因为不是每个人都按季度订购。因此，存在使数据倾斜的缺口

我也厌倦了用线性模型来拟合每个客户的数据，并用系数作为衡量消费是否下降的指标。但看起来还是不对

我一直在研究is_单调的_递增函数和其他类似的函数，但仍然找不到我要找的，我相信有一种统计技术，但它对我有帮助

我对这一切都很陌生，我一直在琢磨如何最好地解决它

我的目标是确定谁（在过去的几笔订单中）比他们通常花费的更少

基本上，我们需要给谁打电话/追逐/发送报价等

任何关于正确分析方法的想法都将被告知。我不想抄袭别人的代码，我相信我自己能解决这个问题

编辑：

我现在还尝试使用diff来计算订单之间的平均距离，并重新采样到这个值，然后计算Z分数。但这仍然不是我所期望的