标题：Pandas 数据对比分析：按区域层级统计客户变动并汇总明细名单

本文详解如何使用 pandas 对两个时间点的客户数据进行对比，按 zone/region/district 三级分组，精准计算客户流入、流出、新增、流失数量，并完整列出对应客户姓名清单。

在客户运营或区域管理场景中，常需对比不同时期的客户分布变化，尤其当客户归属存在跨区迁移（如从 A2b 迁至 A2a）、新增入驻或完全退出时，仅统计数量远远不够——业务人员更需要知道“谁来了”“谁走了”“谁转到了哪里”。本文提供一套完整、可复用的 pandas 实现方案，基于 df1（期初快照）和 df2（期末快照），输出包含 13 列的结构化变动报告，其中关键难点在于 将客户姓名聚合为列表并按三级地理维度对齐。

核心思路：分四类客户分别处理，再统一合并

我们把客户变动划分为四类逻辑明确的群体：

• Transfer In（转入）：同一客户在 df2 中出现在新区域（与 df1 的 Zone/Region/District 不同）；
• Transfer Out（转出）：同一客户在 df1 中的原属区域（即其“离开地”）；
• Leaver（流失客户）：存在于 df1 但完全不在 df2 中的客户；
• New Customer（新增客户）：存在于 df2 但完全不在 df1 中的客户。

⚠️ 注意：merge(on='cust_name') 是关键前提——它要求 cust_name 具有唯一性且能稳定标识同一客户。若实际数据中存在重名风险，建议改用 cust_id 作为主键（修改 on='cust_id' 并同步调整列引用）。

完整实现代码（含注释与健壮性增强）

import pandas as pd
import numpy as np

# 构建示例数据（与问题一致）
df1 = pd.DataFrame({
    'cust_name': ['cxa', 'cxb', 'cxc', 'cxd', 'cxe', 'cxf'],
    'cust_id': ['c1001', 'c1002', 'c1003', 'c1004', 'c1006', 'c1007'],
    'town_id': ['t001', 't002', 't001', 't003', 't002', 't002'],
    'Zone': ['A', 'A', 'A', 'B', 'A', 'A'],
    'Region': ['A1', 'A2', 'A1', 'B1', 'A2', 'A2'],
    'District': ['A1a', 'A2a', 'A1a', 'B1a', 'A2b', 'A2b']
})

df2 = pd.DataFrame({
    'cust_name': ['cxb', 'cxc', 'cxd', 'cxe', 'cxf'],
    'cust_id': ['c1002', 'c1003', 'c1004', 'c1006', 'c1007'],
    'town_id': ['t002', 't001', 't003', 't002', 't002'],
    'Zone': ['A', 'A', 'A', 'A', 'C'],
    'Region': ['A2', 'A1', 'A1', 'A2', 'C1'],
    'District': ['A2a', 'A1a', 'A1a', 'A2a', 'C1a']
})

# 步骤1：识别迁移客户（同一客户，区域变化）
merged = df1.merge(df2, on='cust_name', suffixes=('_df1', '_df2'), how='inner')
# 判断是否发生跨区变动（任一地理层级不同即视为迁移）
merged['is_moved'] = (
    (merged['Zone_df1'] != merged['Zone_df2']) |
    (merged['Region_df1'] != merged['Region_df2']) |
    (merged['District_df1'] != merged['District_df2'])
)
moved = merged[merged['is_moved']].copy()

# 步骤2：提取转入 & 转出名单（按目标/源区域分组）
transfer_in = moved[['Zone_df2', 'Region_df2', 'District_df2', 'cust_name']].rename(
    columns={'Zone_df2': 'Zone', 'Region_df2': 'Region', 'District_df2': 'District', 'cust_name': 'NamesTransferIn'}
)
transfer_out = moved[['Zone_df1', 'Region_df1', 'District_df1', 'cust_name']].rename(
    columns={'Zone_df1': 'Zone', 'Region_df1': 'Region', 'District_df1': 'District', 'cust_name': 'NamTransferOut'}
)

# 步骤3：按三级分组聚合姓名列表（自动去重，保留顺序）
def collect_names(series):
    return list(series)  # 若需去重：list(series.unique())

in_agg = transfer_in.groupby(['Zone', 'Region', 'District'])['NamesTransferIn'].apply(collect_names).reset_index()
out_agg = transfer_out.groupby(['Zone', 'Region', 'District'])['NamTransferOut'].apply(collect_names).reset_index()

# 步骤4：合并转入/转出（outer join 确保所有变动区域不遗漏）
result = pd.merge(in_agg, out_agg, on=['Zone', 'Region', 'District'], how='outer').fillna('')

# 步骤5：添加流失客户（df1有、df2无）
leavers = df1[~df1['cust_name'].isin(df2['cust_name'])][['cust_name', 'Zone', 'Region', 'District']]
leavers_agg = leavers.groupby(['Zone', 'Region', 'District'])['cust_name'].apply(collect_names).reset_index().rename(columns={'cust_name': 'NamLeaver'})
result = pd.merge(result, leavers_agg, on=['Zone', 'Region', 'District'], how='outer').fillna('')

# 步骤6：添加新增客户（df2有、df1无）
new_customers = df2[~df2['cust_name'].isin(df1['cust_name'])][['cust_name', 'Zone', 'Region', 'District']]
new_agg = new_customers.groupby(['Zone', 'Region', 'District'])['cust_name'].apply(collect_names).reset_index().rename(columns={'cust_name': 'NamNewCustomer'})
result = pd.merge(result, new_agg, on=['Zone', 'Region', 'District'], how='outer').fillna('')

# ✅ 最终结果：已包含全部13列中的姓名字段（其余数值列可基于此表用 groupby.size() 补全）
print(result[
    ['Zone', 'Region', 'District', 
     'NamesTransferIn', 'NamTransferOut', 'NamLeaver', 'NamNewCustomer']
])

关键注意事项与优化建议

• 空值处理：使用 .fillna('') 将 NaN 替换为空字符串，避免后续 JSON 序列化或 Excel 导出报错；若需保留 None，可改用 fillna(pd.NA)。
• 姓名去重：若同一客户因数据质量问题重复出现，可在 collect_names() 中加入 series.unique()。
• 扩展数值列：本教程聚焦姓名字段，但 Initial Count / Final Count 等可通过 df1.groupby(['Zone','Region','District']).size() 和 df2.groupby(...).size() 快速生成，再 merge 进 result。
• 性能提示：对百万级数据，避免 apply(lambda x: ...)，优先使用向量化操作；merge 前确保 cust_name 列已设为索引或启用 sort=False。
• 输出增强：可调用 result.to_excel("customer_movement_report.xlsx", index=False) 直接导出带格式报表。

通过该方案，你不仅获得结构清晰的变动摘要，更掌握了以客户实体为中心、支持业务溯源的精细化分析能力——让每一条数据变动都“有据可查、有人可溯”。

# excel  # 走了  # 可通过  # 可在  # 若需  # app  # 转出  # 转到  # 设为  # js  # json  # 字符串  # 报错  # count  # Lambda  # sort  # pandas  # 四类  # 谁来 

相关栏目： <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 AI推广<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 SEO优化<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 技术百科<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 谷歌推广<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 百度推广<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 网络营销<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 案例网站<？ｍｕｍａ echo $count; ?> 】 <？ｍｕｍａ $count = M('archives')->where(['typeid'=>$field['id']])->count(); ?> 【 精选文章<？ｍｕｍａ echo $count; ?> 】