39，Python数分之Pandas训练，力扣，1107. 每日新用户统计

• 学习：知识的初次邂逅
• 复习：知识的温故知新
• 练习：知识的实践应用

目录

一，原题力扣链接

二，题干

三，建表语句

四，分析

五，Pandas解答

六，验证

七，知识点总结

---

一，原题力扣链接

. - 力扣（LeetCode）

二，题干

Traffic 表：

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| user_id       | int     |
| activity      | enum    |
| activity_date | date    |
+---------------+---------+
该表可能有重复的行。
activity 列是 ENUM 类型，可能取 ('login', 'logout', 'jobs', 'groups', 'homepage') 几个值之一。

编写解决方案，找出从今天起最多 90 天内，每个日期该日期首次登录的用户数。假设今天是 2019-06-30 。

以 任意顺序 返回结果表。

结果格式如下所示。

示例 1：

输入：
Traffic 表：
+---------+----------+---------------+
| user_id | activity | activity_date |
+---------+----------+---------------+
| 1       | login    | 2019-05-01    |
| 1       | homepage | 2019-05-01    |
| 1       | logout   | 2019-05-01    |
| 2       | login    | 2019-06-21    |
| 2       | logout   | 2019-06-21    |
| 3       | login    | 2019-01-01    |
| 3       | jobs     | 2019-01-01    |
| 3       | logout   | 2019-01-01    |
| 4       | login    | 2019-06-21    |
| 4       | groups   | 2019-06-21    |
| 4       | logout   | 2019-06-21    |
| 5       | login    | 2019-03-01    |
| 5       | logout   | 2019-03-01    |
| 5       | login    | 2019-06-21    |
| 5       | logout   | 2019-06-21    |
+---------+----------+---------------+
输出：
+------------+-------------+
| login_date | user_count  |
+------------+-------------+
| 2019-05-01 | 1           |
| 2019-06-21 | 2           |
+------------+-------------+
解释：
请注意，我们只关心用户数非零的日期.
ID 为 5 的用户第一次登陆于 2019-03-01，因此他不算在 2019-06-21 的的统计内。

三，建表语句

import  pandas as pd

data = [[1, 'login', '2019-05-01'], [1, 'homepage', '2019-05-01'], [1, 'logout', '2019-05-01'], [2, 'login', '2019-06-21'], [2, 'logout', '2019-06-21'], [3, 'login', '2019-01-01'], [3, 'jobs', '2019-01-01'], [3, 'logout', '2019-01-01'], [4, 'login', '2019-06-21'], [4, 'groups', '2019-06-21'], [4, 'logout', '2019-06-21'], [5, 'login', '2019-03-01'], [5, 'logout', '2019-03-01'], [5, 'login', '2019-06-21'], [5, 'logout', '2019-06-21']]
traffic = pd.DataFrame(data, columns=['user_id', 'activity', 'activity_date']).astype({'user_id':'Int64', 'activity':'object', 'activity_date':'datetime64[ns]'})

四，分析

表格大法：过滤+分组过滤

第一步：过滤掉非login的行数

第二步：计算每个用户首次登录的日期；

第三步：过滤掉首次登录的日期不是在 2019-06-30 前90天的行数

第四步：以日期分组 聚合用户id （去重一下 有可能某用户当天重复多次登录~）

第五步：改名并输出

思路

表格大法：过滤+分组过滤 第一步：过滤掉非login的行数 第二步：计算每个用户首次登录的日期； 第三步：过滤掉首次登录的日期不是在 2019-06-30 前90天的行数 第四步：以日期分组 聚合用户id （去重一下 有可能某用户当天重复多次登录~） 第五步：改名并输出

逻辑见表格：

解题过程

第一步：过滤掉非login的行数

在pandas中

第二步：计算每个用户首次登录的日期；

在pandas中

第三步：过滤掉首次登录的日期不是在 2019-06-30 前90天的行数

在pandas中

第四步：以日期分组 聚合用户id （去重一下 有可能某用户当天重复多次登录~）

在pandas中

第五步：改名并输出

五，Pandas解答

import pandas as pd

def new_users_daily_count(traffic: pd.DataFrame) -> pd.DataFrame:
    #只关注login的行数
    traffic = traffic[traffic['activity']=='login'].reset_index()
    #拿到首次登录的日期
    traffic['min_date'] = traffic.groupby('user_id')['activity_date'].transform('min')
    res1 = traffic[traffic['min_date']<='2019-06-30'] #小于等于今天  2019-06-30
    res2 = res1[res1['min_date']>= (pd.to_datetime('2019-06-30') -pd.offsets.DateOffset(90))]  #大于等于90天之前
    df = res2[['user_id','activity','min_date']]
    df = df.drop_duplicates()
    df1 = df.groupby('min_date')['user_id'].count().reset_index()
    df2 = df1.rename(columns={'min_date':'login_date','user_id':'user_count'})
    return df2
new_users_daily_count(traffic)
    

六，验证

七，知识点总结

• Pandas中 过滤的运用
• Pandas中 重置索引的运用
• Pandas中 min实现开窗函数的效果的运用 transform
• Pandas中 时间函数的运用 转为时间类型 pd.to_datetime
• Pandas中 时间差的运用  pd.offsets.DateOffset  天
• Pandas中去重的运用  drop_dupliates
• Pandas中 分组聚合的运用
• Pandas中 改名的运用

• 学习：知识的初次邂逅
• 复习：知识的温故知新
• 练习：知识的实践应用