如何用Python统计上月为Active本月变为Inactive的用户数

核心需求 #

统计满足以下两个条件的用户数量：

• 当前状态为 Inactive
• 该用户变更为 Inactive 的前一个月内，状态是 Active；若变更前状态为非 Active（如Pending），则排除。

基于Pandas的实现（推荐，适合大规模数据） #

1. 构造示例数据 #

先模拟一份用户状态变更数据集，包含user_id（用户ID）、status（状态）、change_date（状态变更日期）：

import pandas as pd
from datetime import datetime, timedelta

data = {
    'user_id': ['Alison', 'Alison', 'Bill', 'Bill', 'Charlie', 'Charlie'],
    'status': ['Active', 'Inactive', 'Pending', 'Inactive', 'Active', 'Inactive'],
    'change_date': [
        datetime(2024, 1, 15),
        datetime(2024, 2, 20),  # Alison符合：从Active→Inactive，间隔1个月内
        datetime(2024, 1, 10),
        datetime(2024, 2, 5),   # Bill不符合：从Pending→Inactive
        datetime(2024, 3, 5),
        datetime(2024, 4, 10)   # Charlie符合：从Active→Inactive，间隔1个月内
    ]
}
df = pd.DataFrame(data)

2. 数据预处理 #

按用户ID和变更日期排序，为每条记录生成「上一条状态」和「上一条变更日期」字段：

# 按用户+日期排序，保证状态变更顺序正确
df = df.sort_values(by=['user_id', 'change_date'])

# 分组生成前序状态和日期列
df['prev_status'] = df.groupby('user_id')['status'].shift(1)
df['prev_change_date'] = df.groupby('user_id')['change_date'].shift(1)

3. 筛选符合条件的用户 #

先获取每个用户的最新状态记录（判断当前状态），再筛选符合规则的用户：

# 获取每个用户的最新状态
latest_status = df.groupby('user_id').last().reset_index()

# 筛选逻辑：最新状态为Inactive + 前序状态为Active + 两次变更间隔≤30天（近似一个月）
qualified = latest_status[
    (latest_status['status'] == 'Inactive') &
    (latest_status['prev_status'] == 'Active') &
    (latest_status['change_date'] - latest_status['prev_change_date'] <= timedelta(days=30))
]

# 统计数量
qualified_count = len(qualified)
print(f"符合条件的用户数：{qualified_count}")  # 输出：2

纯Python基础实现（无第三方库） #

如果不需要Pandas，用基础Python处理列表数据：

from datetime import datetime, timedelta

# 示例数据：(用户ID, 状态, 变更日期)
user_records = [
    ('Alison', 'Active', datetime(2024, 1, 15)),
    ('Alison', 'Inactive', datetime(2024, 2, 20)),
    ('Bill', 'Pending', datetime(2024, 1, 10)),
    ('Bill', 'Inactive', datetime(2024, 2, 5)),
    ('Charlie', 'Active', datetime(2024, 3, 5)),
    ('Charlie', 'Inactive', datetime(2024, 4, 10))
]

# 按用户分组并排序
user_groups = {}
for record in user_records:
    user_id = record[0]
    user_groups.setdefault(user_id, []).append(record)

# 每组按变更日期排序
for uid in user_groups:
    user_groups[uid].sort(key=lambda x: x[2])

# 统计符合条件的用户
count = 0
for uid, records in user_groups.items():
    latest = records[-1]
    # 跳过当前状态不是Inactive的用户
    if latest[1] != 'Inactive':
        continue
    # 跳过只有一条状态记录的用户（无前置状态）
    if len(records) < 2:
        continue
    prev_record = records[-2]
    # 检查前置状态和时间间隔
    if prev_record[1] == 'Active' and (latest[2] - prev_record[2] <= timedelta(days=30)):
        count += 1

print(f"符合条件的用户数：{count}")  # 输出：2

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