销售价值是否随着时间的推移而减少？Pandas

Question

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：有些顾客可能会下一个大订单（是正常订单的两倍），然后再花两倍的时间来订购。或一半的大小和订单双倍的频率正常

数据布局：

SA\u DACCNT=账号 SA\u 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   |
+-----------+------------+----------+------------+------------+

迄今为止：

我试着按客户分组，并将列重新取样到季度中，然后分析每个客户上一季度的z得分，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，有差距，扭曲的数字

我也厌倦了用线性模型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，递增的和其他类似的函数，但是仍然找不到我要找的，我确信有一种统计方法可以解决这个问题，但是它对我很有用

我对这一切都很陌生，我一直在绞尽脑汁想如何最好地解决它

我的目标是确定谁（在过去的几次订单中）的花费比平时少

主要是我们需要给谁打电话/追逐/发送报价等

任何关于正确的分析方法的想法都会被采纳。我不想抄袭别人的代码，我相信我能自己解决

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