如何对不同日期的重复MemberID去重并统计登录满5天的活跃会员数

嘿，这个需求其实很好解决，核心就是要按会员ID去重统计他们的登录天数，再筛选出满足条件的会员总数就行。我给你两种最常用的实现方案，不管你用SQL还是Python都能搞定：

假设你的登录记录表名叫member_login，字段对应MemberID, Year, Month, Day。

核心思路是先按会员ID分组，对每个会员的登录日期去重计数，再筛选出天数≥5的会员，最后统计总数：

-- 直接一步统计活跃会员总数
SELECT COUNT(*) AS active_member_total
FROM (
    -- 子查询：统计每个会员的不同登录天数
    SELECT MemberID
    FROM member_login
    GROUP BY MemberID
    -- 用CONCAT把年月日拼接成唯一日期标识，去重后计数
    HAVING COUNT(DISTINCT CONCAT(Year, '-', Month, '-', Day)) >= 5
) AS active_members;

针对你的示例数据，执行这段SQL会返回2，完全符合预期结果。

如果你的数据是在本地处理，用Pandas会很方便。假设数据已经读取到DataFrame中：

import pandas as pd

# 模拟你的示例数据
sample_data = [
    ('1337', '2020', '09', '01'),
    ('1338', '2020', '09', '01'),
    ('1339', '2020', '09', '01'),
    ('1340', '2020', '09', '01'),
    ('1341', '2020', '09', '01'),
    ('1337', '2020', '09', '02'),
    ('1338', '2020', '09', '02'),
    ('1339', '2020', '09', '02'),
    ('1340', '2020', '09', '02'),
    ('1341', '2020', '09', '02'),
    ('1337', '2020', '09', '03'),
    ('1338', '2020', '09', '03'),
    ('1339', '2020', '09', '03'),
    ('1340', '2020', '09', '03'),
    ('1341', '2020', '09', '03'),
    ('1337', '2020', '09', '04'),
    ('1338', '2020', '09', '04'),
    ('1339', '2020', '09', '04'),
    ('1340', '2020', '09', '04'),
    ('1341', '2020', '09', '04'),
    ('1337', '2020', '09', '05'),
    ('1338', '2020', '09', '05')
]

# 转换成DataFrame
df = pd.DataFrame(sample_data, columns=['MemberID', 'Year', 'Month', 'Day'])

# 1. 把年月日拼接成标准日期格式
df['login_date'] = pd.to_datetime(df[['Year', 'Month', 'Day']])

# 2. 按会员ID分组，统计不同登录日期的数量
login_day_count = df.groupby('MemberID')['login_date'].nunique()

# 3. 筛选出登录天数≥5的会员，统计总数
active_member_total = len(login_day_count[login_day_count >= 5])

print(active_member_total)  # 输出：2

运行这段代码后，同样会得到正确的结果2。

简单总结下：不管用哪种工具，核心逻辑都是先按会员ID分组，对组内的登录日期去重计数，最后筛选出计数≥5的会员并统计数量。

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