使用Pandas按年月统计新增独立用户数的实现方法

我来帮你搞定这个需求——每个用户只在首次出现的年月被计数，后续重复出现的记录直接忽略，对吧？下面是具体的实现步骤和代码：

步骤1：准备示例数据 #

首先我们先把你给出的DataFrame创建出来：

import pandas as pd

# 你的原始数据
data = {
    'User': [1, 1, 2, 3, 7, 3],
    'Month': [3, 4, 4, 5, 8, 5],
    'Year': [2010, 2010, 2010, 2010, 2011, 2011]
}
df = pd.DataFrame(data)

步骤2：过滤出每个用户的首次出现记录 #

核心是只保留每个用户第一次出现的行，后续重复的直接丢弃。这里有两种简洁的实现方式：

方法一：分组聚合取最早年月 #

通过按用户分组，提取每个用户最早出现的年份和月份，确保只保留首次记录：

# 按User分组，获取每个用户首次出现的Year和Month
first_occur = df.groupby('User').agg({'Year': 'min', 'Month': 'min'}).reset_index()

方法二：去重保留首次行 #

直接对User列去重，只保留每个用户在DataFrame中第一次出现的行：

# 保留每个用户的第一条记录（首次出现的行）
first_occur = df.drop_duplicates(subset='User', keep='first')

两种方法得到的结果完全一致，都是每个用户仅保留首次出现的那条记录。

步骤3：按年月分组统计新增用户数 #

接下来只需要按Year和Month分组，统计每组的用户数量，就是对应年月的新增独立用户数：

# 按年月分组，计算新增用户数
new_users_stats = first_occur.groupby(['Year', 'Month']).size().reset_index(name='New_Users')

最终结果 #

运行上述代码后，new_users_stats的输出如下：

Year  Month  New_Users
0  2010      3          1
1  2010      4          1
2  2010      5          1
3  2011      8          1

完全符合你的预期：2010年3月新增用户1，2010年4月新增用户2（用户1因已在3月出现不计入），2010年5月新增用户3，2011年8月新增用户7（用户3在2010年已首次出现，2011年的记录不会被统计）。

内容的提问来源于stack exchange，提问作者yigitozmen