如何使用 Pandas 高效计算每个客户的最大连续访问天数

在客户行为分析中，识别“连续访问”是评估用户活跃度的关键指标之一。给定一个包含 id（客户ID）和 visit_date（访问日期）的 DataFrame，目标是：对每个客户，找出所有连续访问区间各自的天数，并返回其中的最大值（例如客户1有 [1/2, 1/3, 1/4] 和 [1/7–1/10] 两段，对应长度 3 和 4，最终结果为 4）。

核心思路其实挺直观的：把日期序列转成时间差序列，找到那些“断点”——也就是间隔超过1天的位置，然后根据断点生成连续区间，数一数每个区间有多长，最后挑出最长的那个。怎么做到呢？Pandas的向量化操作可以一步到位，既快又简洁。

import pandas as pd
import numpy as np

# 示例数据（注意：原始日期格式需能被正确解析）
df = pd.DataFrame({
    'id': [1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,4,4,4],
    'visit_date': [
        '1/2/2022','1/3/2022','1/4/2022','1/7/2022','1/8/2022',
        '1/9/2022','1/10/2022','1/1/2022','1/2/2022','1/4/2022',
        '1/6/2022','1/7/2022','1/8/2022','1/9/2022','1/10/2022',
        '1/3/2022','1/4/2022','1/5/2022','1/3/2022','1/4/2022','1/8/2022'
    ]
})

# 步骤详解（推荐用于理解逻辑）
df['visit_date'] = pd.to_datetime(df['visit_date'], format='%m/%d/%Y')  # 统一转为 datetime
df = df.sort_values(['id', 'visit_date']).reset_index(drop=True)  # 必须排序！

# 构建连续组标识：当与前一行日期差 ≠ 1 天时，开启新组
df['date_diff'] = df.groupby('id')['visit_date'].diff().dt.days
df['group_id'] = df.groupby('id')['date_diff'].apply(lambda x: (x != 1).cumsum())

# 每组内计数 → 得到各连续段长度
consecutive_lengths = df.groupby(['id', 'group_id']).size().reset_index(name='length')

# 对每个客户取最大连续长度（排除单日孤立访问可选：length > 1）
result = consecutive_lengths.groupby('id')['length'].max().reset_index(name='consecutive_days')

print(result)

输出：

   id  consecutive_days
0   1                 4
1   2                 5
2   3                 3
3   4                 2

有几个关键点需要注意：

• 必须先按 id 和 visit_date 排序，否则 diff() 和分组逻辑就会乱套；
• 用 pd.to_datetime() 时，最好显式写上 format 参数（比如 '%m/%d/%Y'），避免系统区域设置不同导致日期解析出错；
• 如果不仅想要最大值，还想看每个客户所有连续段的情况，直接用 consecutive_lengths 这个中间结果就行；
• 数据量非常大的时候，可以考虑用更紧凑的 NumPy 向量化写法，但那样可读性会差不少，从团队协作角度，还是先用这种清晰的分步逻辑更稳妥。

这个方法的通用性很强，电商的复购分析、SaaS 的用户登录追踪、医疗的随访记录，基本都能直接套用。