如何在Pandas中按日期范围统计每月各标签用户数量？

步骤概述 #

要实现用户标签在日期区间内的月度统计，核心是将每个用户的标签生效区间展开为对应的月份，再按月份和标签分组计数，最后整理成目标格式。

具体代码实现 #

首先导入依赖库并创建示例数据：

import pandas as pd

# 构建示例DataFrame
data = {
    'user': [1, 2, 3, 1],
    'label': ['x', 'x', 'y', 'b'],
    'start_date': ['2018-01-01', '2019-05-10', '2019-04-01', '2018-10-01'],
    'end_date': ['2018-10-01', '2020-01-01', '2022-04-20', '2020-05-08']
}
df = pd.DataFrame(data)

1. 转换日期格式

先将日期列转为datetime类型，方便后续时间操作：

df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])

2. 展开标签生效区间为月度记录

对每一行生成标签生效期内的所有月份，确保每个用户在区间内的每个月都有对应的记录：

def get_month_range(row):
    # 取生效起始月和结束月的第一天
    start_month = row['start_date'].replace(day=1)
    end_month = row['end_date'].replace(day=1)
    # 生成月度序列并转为YYYY-MM格式
    months = pd.date_range(start=start_month, end=end_month, freq='MS').strftime('%Y-%m')
    return pd.Series(months)

# 展开数据，合并原表的user和label字段
expanded_data = df.apply(get_month_range, axis=1).stack()\
                  .reset_index(level=1, drop=True)\
                  .to_frame('date')\
                  .join(df[['user', 'label']])

3. 去重与分组计数

去重避免同一用户同一标签在同月重复计数，再按月份和标签统计用户数：

# 去重：同一用户-标签-月份仅保留一条记录
expanded_data = expanded_data.drop_duplicates(subset=['user', 'label', 'date'])

# 分组统计每个月各标签的用户数
monthly_counts = expanded_data.groupby(['date', 'label'])['user'].nunique()\
                              .unstack(fill_value=0)

4. 调整列名与补全月份

将列名改为count_label_xxx格式，并补全所有涉及的月份（避免遗漏无数据的月份）：

# 重命名列
monthly_counts.columns = [f'count_label_{col}' for col in monthly_counts.columns]

# 生成完整的月度序列
min_month = df['start_date'].min().replace(day=1).strftime('%Y-%m')
max_month = df['end_date'].max().replace(day=1).strftime('%Y-%m')
all_months = pd.date_range(start=min_month, end=max_month, freq='MS').strftime('%Y-%m')

# 补全缺失月份，缺失标签计数填0
monthly_counts = monthly_counts.reindex(all_months).fillna(0).astype(int)

5. 补充无标签用户统计（可选）

如果需要统计当月没有任何标签的用户数（对应示例中的count_label_列），可添加以下步骤：

total_users = df['user'].nunique()
# 统计当月有至少一个标签的用户数
monthly_active = expanded_data.groupby('date')['user'].nunique()
# 计算无标签用户数
monthly_counts['count_label_'] = total_users - monthly_active
monthly_counts['count_label_'] = monthly_counts['count_label_'].fillna(total_users).astype(int)

6. 整理最终格式

将索引转为普通列，得到目标输出：

final_result = monthly_counts.reset_index().rename(columns={'index': 'date'})
print(final_result)

输出示例 #

运行上述代码后，最终结果结构如下（以示例数据为例）：

内容的提问来源于stack exchange，提问作者shinjitos