如何基于用户登录DataFrame识别7天内3次独立登录的用户？

嘿，这个问题我熟！咱们用Pandas一步步来解决，思路清晰又高效：

第一步：数据预处理 #

首先得把时间戳转换成可处理的datetime格式，并且提取出日期部分（因为同一天多次登录只算一次）：

import pandas as pd

# 转换时间戳为datetime类型
df['time_stamp'] = pd.to_datetime(df['time_stamp'])
# 提取日期列，用于后续去重和分析
df['date'] = df['time_stamp'].dt.date

第二步：用户登录日期去重 #

同一个用户同一天多次登录，我们只需要保留一个日期记录：

# 按用户分组，获取每个用户的唯一登录日期列表
user_unique_dates = df.drop_duplicates(subset=['user_id', 'date']).sort_values(['user_id', 'date'])

第三步：识别留存用户（核心逻辑） #

我们需要判断：是否存在一个7天的窗口，该用户在窗口内有至少3个不同的登录日期。这里推荐用Pandas的滚动窗口功能，简洁又高效：

# 对每个用户，计算7天滚动窗口内的登录日期数量
user_unique_dates['rolling_7d_count'] = user_unique_dates.groupby('user_id')['date'].rolling(
    window='7D',  # 窗口大小为7天
    on='date'     # 基于date列计算窗口
).count().reset_index(level=0, drop=True)

# 筛选出至少有一次窗口内登录日期>=3的用户
adopted_users = user_unique_dates[user_unique_dates['rolling_7d_count'] >= 3]['user_id'].unique().tolist()

验证你的示例数据 #

咱们来对应你给的数据看看结果：

• 用户1的登录日期：2013-01-01、01-03、01-06、01-10 → 前三个日期都在2013-01-01到2013-01-07这个7天窗口内，符合条件
• 用户2只有1次登录，不符合
• 用户3的登录日期：01-04、01-05、01-11 → 01-04到01-11间隔7天，没有7天窗口能包含3个日期，不符合
• 用户4的登录日期：01-04、01-05、01-12 → 同样没有符合条件的7天窗口，不符合

最终结果adopted_users就是[1]，完全符合预期。

另一种手动判断的思路（适合理解逻辑） #

如果你想手动实现窗口判断，可以写一个辅助函数，遍历每个用户的登录日期，检查是否存在三个日期的时间差≤6天（因为7天周期内，最早和最晚日期的差最多6天）：

def check_adopted(dates):
    sorted_dates = sorted(dates)
    # 遍历所有连续三个日期的组合
    for i in range(len(sorted_dates) - 2):
        if (sorted_dates[i+2] - sorted_dates[i]).days <= 6:
            return True
    return False

# 应用函数到每个用户
user_dates_summary = df.groupby('user_id')['date'].unique().reset_index()
user_dates_summary['is_adopted'] = user_dates_summary['date'].apply(check_adopted)
adopted_users = user_dates_summary[user_dates_summary['is_adopted']]['user_id'].tolist()

这个方法和滚动窗口的结果一致，适合用来理解背后的逻辑。

内容的提问来源于stack exchange，提问作者rohan23