在Pandas DataFrame中按user_id计算距首次出现的累计天数

核心采用Pandas原生向量化操作实现，无Python层循环，千万级数据量下也可快速执行。

前置操作：转换日期列格式 #

首先确保date列是Pandas datetime类型，否则无法执行日期运算：

import pandas as pd

# format参数可根据实际日期格式调整，能大幅提升转换速度
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

核心计算逻辑 #

通过groupby按user_id分组，搭配transform返回和原数据长度一致的每组最小日期（即用户首次出现日期），直接做日期差后提取天数即可：

df['days_since_first_occurence'] = (df['date'] - df.groupby('user_id')['date'].transform('min')).dt.days

效果验证 #

输入示例 #

输出结果 #

性能说明 #

• 全程调用Pandas底层C实现的运算逻辑，时间复杂度为O(n)
• 比逐组apply的写法速度快5~10倍，数据量越大性能优势越明显
• 若数据已提前按user_id+date排序，也可采用groupby+diff累加的写法，性能与上述方案一致，但可读性略差

内容的提问来源于stack exchange，提问作者ksbawpn