Python 使用Pandas或SQL根据订阅持续时间计算收入？

我正在尝试使用csv计算一些基于收入的月度业务指标，csv包含以下字段：客户ID、订阅开始、订阅持续时间和订阅值

由于我需要对过去几个月进行比较（例如，如果某个特定客户的收入下降），我最初的想法是为每个月创建新列，并基于这些列，使用panda查找值并将其存储在这些指标的新表中

你们认为这是最好的方法，还是最好尝试使用SQL来获取这些指标

---

很抱歉，如果问题不清楚，我找不到更好的解释。

我不确定我是否完全理解您的问题，但看起来您需要一种方法来区分客户价值的当前日期和过去日期

查看此代码是否可以帮助您：

#示例数据帧
df=pd.DataFrame（{'date'：[1,2,3,1,2,3]，
‘客户’：[‘c1’、‘c1’、‘c1’、‘c2’、‘c2’、‘c2’]，
'值'：[123234123456345678]}）
#设置索引以更快地访问项目
df.set_索引（['client'，'date']，inplace=True）
#我把每一项都删掉
delta=[]
对于df.index.levels[0]中的客户端：
对于df.index.levels[1]中的日期：
#如果索引中不存在该项，则不会发生任何事情
尝试：
current=df.loc[client].loc[date]['value']
#如果没有过去的日期，则增量为零，但uou可以更改它
尝试：
before=df.loc[client].loc[date-1][value]
delta.append（当前-之前）
除：
delta.append（0）
除：
通过
df['delta']=delta
df

我不确定我是否完全理解您的问题，但看起来您需要一种方法来区分客户价值的当前日期和过去日期

查看此代码是否可以帮助您：

#示例数据帧
df=pd.DataFrame（{'date'：[1,2,3,1,2,3]，
‘客户’：[‘c1’、‘c1’、‘c1’、‘c2’、‘c2’、‘c2’]，
'值'：[123234123456345678]}）
#设置索引以更快地访问项目
df.set_索引（['client'，'date']，inplace=True）
#我把每一项都删掉
delta=[]
对于df.index.levels[0]中的客户端：
对于df.index.levels[1]中的日期：
#如果索引中不存在该项，则不会发生任何事情
尝试：
current=df.loc[client].loc[date]['value']
#如果没有过去的日期，则增量为零，但uou可以更改它
尝试：
before=df.loc[client].loc[date-1][value]
delta.append（当前-之前）
除：
delta.append（0）
除：
通过
df['delta']=delta
df