（2）新加一列命名为“时长”，计算订单时间距离2021年3月1日）已经过去多少天。 （3）用pivot_table制作透视表，以客户名称为分组，统计不同客户产品销量总和以及平均时长。python

（2）要在Python中添加名为“时长”的新列并计算订单时间距离2021年3月1日的天数，你可以使用pandas库中的`Timedelta`和`to_timedelta`函数。假设你的订单数据存储在一个DataFrame `orders`，其中有一个名为`order_date`的时间戳列，可以这样做：

import pandas as pd

# 将 'order_date' 列转换为日期时间差
orders['时长'] = pd.to_datetime('2021- orders['order_date']

# 计算天数并保留整数部分（默认）
orders['时长天数'] = orders['时长'].dt.days

（3）创建一个基于`pivot_table`的透视表，首先需要确保数据已经按照客户名称和产品进行了分组。然后，你可以通过`pivot_table`来计算每个客户的总销量和平均时长。假设`product_quantity`代表产品销售量，`时长天数`是我们刚才计算出的时长：

# 确保数据已按需分组
grouped_data = orders.groupby(['客户名称', '产品'])[['产品数量', '时长天数']].sum()

# 创建透视表
pivot_table = grouped_data.pivot_table(index='客户名称', columns='产品', values=['产品数量', '时长天数'],
                                      aggfunc={'产品数量': sum, '时长天数': ['mean', 'count']})

# 显示结果
print(pivot_table)

这将显示每个客户对每种产品的总销量、平均销量和订单数量（如果计数有意义的话）。