如何用Pandas计算指定月份过去3个月的唯一员工ID数量？

问题分析 #

你已经实现了当月唯一员工ID数量的计算，但直接使用滚动窗口（rolling）无法正确计算过去3个月的唯一员工数——因为rolling.nunique()会对窗口内的"当月唯一数"做去重，而我们需要的是过去3个月所有员工ID的并集的数量。

数据预处理 #

首先确保日期列是datetime类型，并生成月份周期列DateM：

import pandas as pd

# 加载并预处理数据
df = pd.read_csv("你的数据文件路径.csv")
df['Date'] = pd.to_datetime(df['Date'])
df['DateM'] = df['Date'].dt.to_period('M')

方法一：直观的区间筛选法（适合中小数据量） #

该方法通过为每个月份筛选过去3个月的所有员工ID，再计算去重数量：

1. 提取员工与月份的唯一对应关系：避免同一个员工当月多次出现影响结果

emp_month_pairs = df[['EmpId', 'DateM']].drop_duplicates()

2. 生成连续的月份序列：确保没有缺失月份导致计算断档

all_months = pd.period_range(
    start=emp_month_pairs['DateM'].min(),
    end=emp_month_pairs['DateM'].max(),
    freq='M'
)

3. 定义函数计算单月对应的过去3个月唯一员工数

def calc_3month_unique(month):
    # 计算窗口起始月份（当前月往前推2个月，共3个月）
    start_month = month - 2
    # 筛选窗口内的所有员工ID并去重计数
    window_emps = emp_month_pairs[emp_month_pairs['DateM'].between(start_month, month)]['EmpId']
    return window_emps.nunique()

4. 合并当月与过去3个月的结果

# 计算当月唯一员工数
monthly_unique = df.groupby("DateM")["EmpId"].nunique().reset_index()
monthly_unique.rename(columns={"EmpId": "One Month Unique EMP count"}, inplace=True)

# 计算过去3个月唯一员工数
three_month_unique = pd.DataFrame({
    'DateM': all_months,
    '3 Month Unique EMP count': all_months.map(calc_3month_unique)
})

# 合并并排序结果
final_result = pd.merge(monthly_unique, three_month_unique, on='DateM', how='left')
final_result = final_result.sort_values("DateM", ascending=False).reset_index(drop=True)

方法二：滚动窗口合并法（适合大数据量） #

利用rolling窗口合并每月的员工列表，再计算并集大小：

1. 生成包含所有连续月份的基础表

monthly_groups = df.groupby("DateM").agg(
    One_Month_Unique=("EmpId", "nunique"),
    Emp_List=("EmpId", "unique")
).reset_index()

# 补全缺失月份，避免窗口计算错误
all_months = pd.period_range(
    start=monthly_groups['DateM'].min(),
    end=monthly_groups['DateM'].max(),
    freq='M'
)
all_months_df = pd.DataFrame({'DateM': all_months})
monthly_full = pd.merge(all_months_df, monthly_groups, on='DateM', how='left').fillna({
    'One_Month_Unique': 0,
    'Emp_List': []
})

2. 用滚动窗口合并员工列表并计算唯一数

# 滚动窗口大小为3（当前月+前2个月），合并窗口内的所有员工ID并去重计数
monthly_full['3_Month_Unique'] = monthly_full['Emp_List'].rolling(window=3).apply(
    lambda window: len(set().union(*window)),
    raw=False
)

# 整理最终结果
final_result = monthly_full[['DateM', 'One_Month_Unique', '3_Month_Unique']].rename(columns={
    'One_Month_Unique': 'One Month Unique EMP count',
    '3_Month_Unique': '3 Month Unique EMP count'
}).sort_values("DateM", ascending=False).reset_index(drop=True)

注意事项 #

• 如果存在缺失月份，必须先补全连续月份，否则滚动窗口会计算错误（比如跳过缺失的月份，窗口实际包含的月份不足3个）
• 两种方法的核心都是获取窗口内所有员工ID的并集，而不是对"当月唯一数"做二次去重

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