python - 计算每天在 Pandas 中看到的新 ID 的数量

Question

鉴于以下数据，其中用户每天都很活跃，我想使用 Pandas 计算每天的新用户数量。

Data:
  Day | UserID
  ----------
   1  |  A 
   1  |  B
   1  |  C
   1  |  C
   ----------
   2  |  A 
   2  |  B
   2  |  D
   2  |  A 
   2  |  E
  ----------
   3  |  B 
   3  |  D
   3  |  F

Result:    
  Day | New Users
  ---------------
   1  |  3
   2  |  2
   3  |  1

在我看来，步骤是:

1. 计算每天的最大 UserID:df.groupby('Day').UserID.max()
2. 使用前一天的最大 UserID 过滤数据(初始化为 0):这里我不知道如何使用 Pandas 执行此操作
3. 计算过滤后的数据集中唯一身份用户的登录次数。 df.filtered.groupby('Day').UserID.nunique()

是否有一种干净的方法来实现这一点？

Answer 1

此构建为一个表，给出每个 ID 首次出现的日期，按天分组，然后计算相应的行数。

df = pd.DataFrame([(1, "A"), (1, "B"), 
                   (1, "C"), (1, "C"), 
                   (2, "A"), (2, "B"), 
                   (2, "D"), (2, "A"), 
                   (2, "E"), (3, "B"), 
                   (3, "D"), (3, "F")], 
                  columns=["day", "userid"]) 

(df
  .sort_values('day')
  .groupby('userid')
  .first()
  .rename(columns={"day": "first_seen"})
  .groupby('first_seen').size()
)