次日留存率应统计“某天首次登录用户中第二天活跃的比例”，需先按user_id分组取event_time最小值作为first_login_date，再合并回原表；日期比较须统一转为dt.date后计算整数天差，避免精度误差。
用 pandas.DataFrame.groupby 按用户首次登录日期分组再统计留存
次日留存率不是“某天登录的人里第二天还来的比例”，而是“某天**首次**登录的用户中，第二天又活跃的比例”。漏掉“首次”这个限定，结果会严重高估——老用户反复登录会污染分母。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
df.sort_values(['user_id', 'event_time'])确保每个用户行为按时间排序 - 用
df.groupby('user_id')['event_time'].min()提取每个用户的first_login_date - 把
first_login_date合并回原表，作为后续分组依据 - 别直接对原始登录日分组——那算的是“当日登录用户留存”，不是“新用户留存”
计算次日/7日是否活跃：用 pd.to_datetime 对齐日期再做差值比较
直接用字符串比日期、或没统一时区/格式就减时间戳，容易因精度丢失（比如 '2024-01-01 23:59:59' 和 '2024-01-02 00:00:01' 被判为跨2天）导致漏计。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 把
event_time和first_login_date都转成pd.to_datetime(...).dt.date（只留年月日） - 用
(active_date - first_login_date).days得整数天数，避免Timedelta单位混淆 - 次日留存对应
days == 1，7日留存对应days >= 1 and days （注意是“7日内至少活跃一次”，不是“第7天恰好活跃”）
聚合时别用 count() 直接除——要防分母为0和重复用户
一个新用户在次日多次打开 App，groupby().count() 会把这个人算多次，但留存只看“是否来过”，不是“来了几次”。更糟的是，如果某天没新用户，分母为0，div() 会产出 inf 或 NaN，后续画图或导出易崩。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 对每个
first_login_date组，用nunique('user_id')算分母（新用户数） - 分子用
df[df['days']==1]['user_id'].nunique()（次日去重用户数） - 最后用
.fillna(0)替换空组的NaN，再用.replace([np.inf, -np.inf], 0)清理异常值
性能卡在大表上？避免 apply 和循环，改用 merge + agg
有人写 for date in dates: df[df['first']==date].apply(...)，百万级用户下跑几小时。Pandas 的向量化操作根本不需要逐天遍历。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 把新用户表（含
user_id,first_login_date）和全量行为表（含user_id,active_date）用merge连接 - 加一列
days = (active_date - first_login_date).dt.days - 用
groupby('first_login_date').agg({'user_id': ['nunique', lambda x: x[x.map(lambda u: (df[df.user_id==u].days>=1)&(df[df.user_id==u].days 是错的——别这么写；正确做法是先标记每条记录是否满足次日/7日条件，再聚合 - 更稳的写法：
df['is_d1'] = (df.days == 1); df['is_d7'] = (df.days.between(1, 7)); df.groupby('first_login_date').agg(d1_retain=('is_d1', 'mean'), d7_retain=('is_d7', 'mean'))
保留住“首次登录日”这个锚点，其他全是围绕它展开的布尔标记和分组聚合。最常被跳过的一步，就是没验证 first_login_date 是否真为每人最小时间——只要有一例时间错乱，整张留存表就不可信。
