如何用Pandas识别数据集中的重复用户与唯一用户

示例数据集 #

实现思路与步骤 #

核心是通过统计每个用户出现的唯一日期数，区分跨天重复用户和仅访问一天的用户：

• 先按userid分组，用nunique()统计每个用户对应的不同日期数量（自动忽略同一用户同一天的多条交互记录）
• 按日期数筛选两类用户并统计总数：
  • 跨天重复用户：日期数≥2的用户
  • 唯一用户：日期数=1的用户

完整代码 #

import pandas as pd

# 加载数据集（如果是本地文件，可替换为pd.read_csv/pd.read_excel等）
data = {
    'ds': ['2024-01-26', '2024-01-26', '2024-01-26', '2024-01-27', '2024-01-27',
           '2024-01-27', '2024-01-28', '2024-01-28', '2024-01-28', '2024-01-29', '2024-01-29'],
    'userid': [1, 2, 4, 2, 1, 2, 4, 7, 7, 4, 2],
    'unique_content_id': ['8fd', '7rt', '6as', '45t', '8fd', '7rt', '6as', '45t', '49t', '6as', '45t']
}
df = pd.DataFrame(data)

# 统计每个用户的唯一日期数
user_day_count = df.groupby('userid')['ds'].nunique()

# 计算并输出结果
repeat_users_num = user_day_count[user_day_count >= 2].count()
unique_users_num = user_day_count[user_day_count == 1].count()

print(f"跨天重复用户：{repeat_users_num}位用户有重复记录")
print(f"唯一用户：{unique_users_num}位用户仅访问一天")

运行结果 #

跨天重复用户：3位用户有重复记录
唯一用户：1位用户仅访问一天

内容的提问来源于stack exchange，提问作者user3738181