如何从用户活动数据中提取唯一用户及最早活动日期？

原始数据集 #

目标结果 #

实现方法 #

方法一：高效分组法（推荐） #

不需要单独提取唯一用户数组，直接用Pandas的groupby结合min()一步到位，代码简洁且性能更优：

import pandas as pd

# 先将date列转为日期类型，避免字符串排序错误
user_actions['date'] = pd.to_datetime(user_actions['date'], format='%m/%d/%y')

# 按用户分组，取每组最早的活动日期
first_activity_df = user_actions.groupby('user')['date'].min().reset_index()

# 修改列名匹配目标格式
first_activity_df.rename(columns={'date': 'first activity'}, inplace=True)

# 可选：转回原日期字符串格式
first_activity_df['first activity'] = first_activity_df['first activity'].dt.strftime('%m/%d/%y')

方法二：基于已有唯一用户数组实现 #

如果一定要用你已经获取的unique_users数组，可以通过循环筛选生成结果：

import pandas as pd

# 转换date列为日期类型
user_actions['date'] = pd.to_datetime(user_actions['date'], format='%m/%d/%y')

unique_users = user_actions['user'].unique()
result_list = []

for user in unique_users:
    # 筛选当前用户的所有记录，取最早日期
    earliest_date = user_actions[user_actions['user'] == user]['date'].min()
    # 转回原字符串格式（可选）
    earliest_date_str = earliest_date.strftime('%m/%d/%y')
    result_list.append({'user': user, 'first activity': earliest_date_str})

# 转换为DataFrame
first_activity_df = pd.DataFrame(result_list)

关键说明 #

• 必须先将date列转换为日期类型，否则字符串形式的日期会按字符顺序排序（比如"1/10/21"会被错误判定为早于"1/2/21"）。
• 方法一的groupby是Pandas处理分组聚合的最优方式，数据量越大，对比循环方法的效率优势越明显。

内容的提问来源于stack exchange，提问作者Tom Hughes