如何用Pandas统计不同天数记录数对应的用户数量？

测试数据集 #

df=pd.DataFrame({'user':['John','Steve','Steve','Steve','Jane','Jane','Jane','Jane','Alice','Alice','Alice'],
                  'days':[1,1,2,3,1,2,3,4,1,2,3]})

原始数据 #

user  days
John    1
Steve   1
Steve   2
Steve   3
Jane    1
Jane    2
Jane    3
Jane    4
Alice   1
Alice   2
Alice   3

需求 #

统计各天数记录数对应的用户数量，期望输出：

user   days_count
1           1
3           2
4           1

解决代码 #

步骤1：统计每个用户的天数记录数 #

按user分组，计算每个用户的days条目数：

user_day_counts = df.groupby('user')['days'].count()

执行后得到：

user
Alice    3
Jane     4
John     1
Steve    3
Name: days, dtype: int64

步骤2：统计各记录数对应的用户数量 #

对上述结果按数值分组计数，再调整列名匹配期望输出：

result = user_day_counts.value_counts().reset_index()
result.columns = ['days_count', 'user']
# 按记录数排序（可选）
result = result.sort_values('days_count').reset_index(drop=True)

最终输出结果：

days_count  user
0           1     1
1           3     2
2           4     1

内容的提问来源于stack exchange，提问作者josepmaria