按列分组后计算另一列项的出现次数及用户session数统计方法咨询

看起来你是想统计每个用户对应的会话（session）数量对吧？先看你给的原始数据，我猜应该是有些行的User列是空值，其实是属于上一行的用户？不然输出里User1有4个、User2有2个就不太好解释啦。下面分两种常用的数据处理工具给你说具体方法：

一、用Python Pandas处理 #

首先得把数据里空的User值填充成上一个非空的User值，再分组统计数量：

import pandas as pd

# 假设你的数据读入后存储在df变量中
df['User'] = df['User'].ffill()  # 向前填充空的User值，让每行都有对应的用户
session_count = df.groupby('User').size().reset_index(name='session_count')
print(session_count)

这样处理后就能得到你想要的结果，对应你给出的示例就是User1有4条会话、User2有2条会话。

如果只有非空的Session id才算有效会话，那把统计逻辑改成针对Session id列计数即可：

session_count = df.groupby('User')['Session id'].count().reset_index(name='session_count')

二、用SQL处理 #

如果数据存在数据库里，可以先用窗口函数填充空的User值，再分组统计：

WITH filled_data AS (
    SELECT 
        User,
        Session_id,
        -- 用窗口函数填充空User，取上一个非空的用户值
        LAST_VALUE(User IGNORE NULLS) OVER (ORDER BY (SELECT NULL) ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS filled_user
    FROM your_table_name
)
SELECT 
    filled_user AS User,
    COUNT(*) AS session_count
FROM filled_data
GROUP BY filled_user
ORDER BY User;

这里ORDER BY (SELECT NULL)是为了保持原始数据的顺序，如果你有时间戳这类明确的排序字段，替换成它会更准确。

同样，如果只统计非空的Session id，把COUNT(*)改成COUNT(Session_id)就可以了，因为COUNT函数会自动忽略空值。

备注：内容来源于stack exchange，提问作者Sophie Martusewicz