👨‍💻Принесла вам интересную задачку: нужно выяснить, кто из клиентов продлевает тариф (подписку для приложений например) без перерывов (в нашем условном примере перерыв — это больше 30 дней между окончанием одного тарифа и началом следующего). Покажу пошагово, как это сделать с помощью shift() в pandas. Рассмотрим небольшой DataFrame для наглядности.

1️⃣ Создаём демонстрационный DataFrame 👨‍💻

import pandas as pd

data = [
    # Клиент 1: у него нет перерывов (три подписки друг за другом)
    {
        'client_id': 1,
        'start': '2023-01-01 09:15:00',
        'finish': '2023-02-01 10:55:00',
        'title': 'тариф1',
        'amount': 1000
    },
    {
        'client_id': 1,
        'start': '2023-02-01 10:55:00',
        'finish': '2023-03-01 12:30:00',
        'title': 'тариф2',
        'amount': 1500
    },
    {
        'client_id': 1,
        'start': '2023-03-01 12:30:00',
        'finish': '2023-04-01 09:00:00',
        'title': 'тариф3',
        'amount': 2000
    },

    # Клиент 2: между вторым и третьим тарифом появляется перерыв больше 30 дней
    {
        'client_id': 2,
        'start': '2023-01-07 11:00:00',
        'finish': '2023-02-07 10:45:00',
        'title': 'тариф1',
        'amount': 1200
    },
    {
        'client_id': 2,
        'start': '2023-02-07 10:45:00',
        'finish': '2023-03-07 11:15:00',
        'title': 'тариф2',
        'amount': 1400
    },
    {
        'client_id': 2,
        'start': '2023-04-15 09:20:00',
        'finish': '2023-05-15 10:00:00',
        'title': 'тариф3',
        'amount': 2100
    },

    # Клиент 3: тоже без перерывов (три тарифа подряд)
    {
        'client_id': 3,
        'start': '2023-01-12 08:50:00',
        'finish': '2023-02-12 10:05:00',
        'title': 'тариф1',
       'amount': 1000
    },
    {
        'client_id': 3,
        'start': '2023-02-12 10:05:00',
        'finish': '2023-03-12 09:55:00',
        'title': 'тариф2',
     'amount': 1200
    },
    {
        'client_id': 3,
        'start': '2023-03-12 09:55:00',
        'finish': '2023-04-12 10:10:00',
        'title': 'тариф3',
     'amount': 1400
    },
]

df = pd.DataFrame(data)
df['start'] = pd.to_datetime(df['start'])
df['finish'] = pd.to_datetime(df['finish'])

2️⃣Ищем дату окончания предыдущего тарифа 🧑‍💻
Сгруппируем по client_id и применим shift(1), чтобы «сдвинуть» finish на одну позицию вниз:

df['prev_finish'] = df.groupby('client_id')['finish'].shift(1)

Теперь в каждой строке появляется столбец prev_finish — конец предыдущего тарифа этого же клиента (или NaN, если предыдущей записи нет).

3️⃣Считаем «gap» в днях 👨‍💻

df['gap'] = (df['start'] - df['prev_finish']).dt.days

В gap получаем, сколько дней прошло между началом текущего тарифа и концом предыдущего.

Если gap > 30, считаем это перерывом и помечаем такой случай в поле check:

df.loc[df['gap'] > 30, 'check'] = 1

4️⃣Ищем тех, кто никогда не уходил в перерыв
1.Собираем «провинившихся» клиентов (у кого есть перерывы):

accounts_with_gap = tuple(set(df.loc[df['check'] == 1, 'client_id']))

2. Фильтруем все строки, в которых check не равен 1, — то есть записи без перерыва. Здесь мы берём только те покупки (строки), где не обнаружено gap > 30, то есть не поставлен check = 1.

df_winner = df[df['check'] != 1]

3.Исключаем из этого списка клиентов, попавших в accounts_with_gap:

df_winner_only = df_winner[~df_winner['client_id'].isin(accounts_with_gap)]

Теперь в df_winner_only останутся исключительно «идеальные» клиенты, у которых не было ни одного перерыва (в нашем примере это клиенты №1 и №3).

5️⃣Готово!
Таким образом, мы выявили, что:
У клиента 2 есть перерыв между тарифом №2 и тарифом №3 (пропуск более 30 дней).
Клиенты 1 и 3 идут без разрыва.
👆 Вот такой простой и мощный приём с shift() если нет оконок в sql часто выручает, когда нужно сравнивать строки внутри «своей» группы. Надеюсь, было полезно!