求Pandas解决方案：计算用户一周内重复浏览元素的占比

原始数据 #

| id       | element  | dt       |
| -------- | -------- | -------- |
| 1        | a        | 22/04/22 |
| 2        | a        | 22/04/22 |
| 1        | b        | 27/04/22 |
| 1        | a        | 23/04/22 |
| 3        | b        | 22/04/22 |
| 1        | a        | 22/04/22 |
| 1        | a        | 22/04/22 |
| 3        | b        | 23/04/22 |
| 3        | b        | 25/04/22 |
| 1        | a        | 27/04/22 |
| 1        | c        | 26/04/22 |
| 1        | d        | 26/04/22 |
| 1        | g        | 25/04/22 |
| 1        | b        | 27/04/22 |

需求与示例结果 #

需要计算每个用户（id）一周内重复浏览元素的占比，规则为：

• 同一日期内对同一元素的多次浏览，仅算1次有效访问
• 重复浏览统计：同一用户对同一元素在不同日期的访问次数，全部计入重复次数（如示例中id=1的元素a在3个不同日期访问，即计3次重复）
• 占比公式：重复次数总和 / 该用户的总浏览次数

示例结果：

| id       | percentage |
| -------- | ---------  |
| 1        | 0.3        |
| 2        | 0.0        |
| 3        | 1          |

Pandas实现步骤 #

1. 导入库并构造数据 #

import pandas as pd

# 构造原始数据表
data = {
    'id': [1,2,1,1,3,1,1,3,3,1,1,1,1,1],
    'element': ['a','a','b','a','b','a','a','b','b','a','c','d','g','b'],
    'dt': ['22/04/22','22/04/22','27/04/22','23/04/22','22/04/22','22/04/22','22/04/22','23/04/22','25/04/22','27/04/22','26/04/22','26/04/22','25/04/22','27/04/22']
}
df = pd.DataFrame(data)

2. 数据预处理（日期格式转换） #

将dt列转为日期格式，方便后续日期相关的筛选或计算（若需限定一周范围可在此基础上添加筛选逻辑）：

df['dt'] = pd.to_datetime(df['dt'], format='%d/%m/%y')

3. 计算总浏览次数 #

统计每个用户的原始浏览记录总数：

total_views = df.groupby('id').size().reset_index(name='total')

4. 去重处理 #

去除同一用户-元素-日期的重复记录，保留每日对每个元素的首次访问：

df_unique = df.drop_duplicates(subset=['id', 'element', 'dt'])

5. 统计元素重复访问次数 #

对去重后的数据，统计每个用户对各元素的跨日期访问次数，并筛选出访问次数>1的元素，求和得到总重复次数：

# 统计每个用户-元素的跨日期访问次数
element_counts = df_unique.groupby(['id', 'element']).size().reset_index(name='unique_count')

# 计算每个用户的重复浏览次数总和
repeat_counts = element_counts[element_counts['unique_count'] > 1].groupby('id')['unique_count'].sum().reset_index(name='repeat')

6. 计算占比并整理结果 #

合并总浏览次数和重复次数数据，填充无重复浏览的用户的重复次数为0，最后计算占比：

# 合并数据并填充缺失值
result = pd.merge(total_views, repeat_counts, on='id', how='left').fillna(0)

# 计算占比
result['percentage'] = result['repeat'] / result['total']

# 整理输出结果
result = result[['id', 'percentage']].sort_values('id').reset_index(drop=True)
print(result)

运行上述代码后，输出结果与示例完全一致：

id  percentage
0   1         0.3
1   2         0.0
2   3         1.0

内容的提问来源于stack exchange，提问作者hurricane133