使用Python进行同期群分析：如何计算用户留存总月数

嘿，我完全懂你在做同期群分析时卡在这个留存月数计算上的感觉——你的逻辑和Excel公式已经很明确了，咱们直接用Python（尤其是做 cohort analysis 常用的pandas）来完美复刻这个逻辑就行，给你两种实用的方案：

方案一：直接复刻Excel的计算逻辑（最准确） #

首先要确保你的起始时间和取消时间列是datetime格式（如果还不是的话，先转换），然后直接提取年、月进行计算，和你的Excel公式完全对应：

import pandas as pd

# 第一步：转换日期列为datetime类型（如果原始数据是字符串的话）
df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])

# 第二步：按照你的逻辑计算留存总月数
df['retention_months'] = (df['end_date'].dt.year - df['start_date'].dt.year) * 12 + (df['end_date'].dt.month - df['start_date'].dt.month)

举个例子验证：如果start_date是2022-03-15，end_date是2024-05-20，计算结果会是(2024-2022)*12 + (5-3) = 26，和Excel公式算出的结果完全一致。

方案二：处理未取消服务的用户（可选） #

如果你的数据里有还在使用服务的用户（即end_date为空/NaN），可以用当前日期替代空值后再计算：

from datetime import datetime

# 用当前日期填充未取消服务的用户的end_date
current_date = datetime.now()
df['end_date'] = df['end_date'].fillna(current_date)

# 再执行方案一中的留存月数计算
df['retention_months'] = (df['end_date'].dt.year - df['start_date'].dt.year) * 12 + (df['end_date'].dt.month - df['start_date'].dt.month)

这个方法的好处是能统一计算所有用户的留存时长，不管是否已经取消服务。

内容的提问来源于stack exchange，提问作者Kbbm