Pandas高效统计介于两日期列之间的分日分群组订阅用户数

核心采用事件差分累计法，完全避免展开每个用户的全量订阅周期，即使面对百万级用户、跨度数年的统计场景也能保持极高的运行效率和极低的内存占用。

实现逻辑 #

1. 将订阅、退订分别作为两类事件，订阅对应+1，退订对应-1（退订从次日起不再计入订阅数）
2. 合并所有事件后按日期+分组统计每日净变化值
3. 补全所有日期+分组的组合，缺失的净变化值填0
4. 按分组对净变化做累计求和，直接得到每日各分组的订阅用户数

完整可运行代码 #

接你提供的初始化代码继续执行即可：

# 1. 确定统计的日期范围，可根据需求自定义最大日期
min_date = users["sub_date"].min().date()
max_date = users["unsub_date"].max().date()  # 如需统计到当前可替换为 dt.date.today()

# 2. 构造订阅、退订事件表
## 订阅事件：订阅当日+1
sub_events = users[["sub_date", "group"]].rename(columns={"sub_date": "date"})
sub_events["delta"] = 1

## 退订事件：退订次日-1，未退订（unsub_date为NaT）的用户无退订事件
unsub_events = users[["unsub_date", "group"]].dropna(subset=["unsub_date"]).rename(columns={"unsub_date": "date"})
unsub_events["date"] = unsub_events["date"] + pd.Timedelta(days=1)
unsub_events["delta"] = -1

# 3. 合并事件并按日期+分组聚合每日净变化
events = pd.concat([sub_events, unsub_events], ignore_index=True)
events["date"] = events["date"].dt.date
daily_delta = events.groupby(["date", "group"], as_index=False)["delta"].sum()

# 4. 生成完整的日期+分组笛卡尔积，补全缺失的日期分组
all_dates = pd.date_range(min_date, max_date, freq="D").date
all_groups = users["group"].unique()
full_index = pd.MultiIndex.from_product([all_dates, all_groups], names=["date", "group"])
full_df = daily_delta.set_index(["date", "group"]).reindex(full_index, fill_value=0).reset_index()

# 5. 按分组累计求和得到最终每日订阅数
full_df["subbed"] = full_df.groupby("group")["delta"].cumsum()
result = full_df.drop(columns=["delta"])

结果验证 #

输出的result完全符合你的需求：

• 2021-01-01 A组订阅数1、B组0
• 2021-02-03 A组订阅数2、B组2
• 2021-02-10 A组订阅数1、B组2

内容的提问来源于stack exchange，提问作者stfwn