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
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
确保每个用户行为按时间排序
用
提取每个用户的
把
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
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
和
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
和
都转成
（只留年月日）
用
得整数天数，避免
单位混淆
次日留存对应
，7日留存对应
聚合时别用
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，
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，
会产出
或
，后续画图或导出易崩。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
实操建议：
立即学习
“
Python免费学习笔记（深入）
”；
对每个
组，用
算分母（新用户数）
分子用
（次日去重用户数）
最后用
替换空组的
，再用
清理异常值
性能卡在大表上？避免
和循环，改用
+
有人写
，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
,
）和全量行为表（含
,
）用
连接
加一列
用
更稳的写法：
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
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。
pandas.DataFrame.groupbydf.sort_values(['user_id', 'event_time'])df.groupby('user_id')['event_time'].min()first_login_datefirst_login_datepd.to_datetime'2024-01-01 23:59:59''2024-01-02 00:00:01'event_timefirst_login_datepd.to_datetime(...).dt.date(active_date - first_login_date).daysTimedeltadays == 1days >= 1 and days （注意是“7日内至少活跃一次”，不是“第7天恰好活跃”）count()groupby().count()div()infNaNfirst_login_datenunique('user_id')df[df['days']==1]['user_id'].nunique().fillna(0)NaN.replace([np.inf, -np.inf], 0)applymergeaggfor date in dates: df[df['first']==date].apply(...)user_idfirst_login_dateuser_idactive_datemergedays = (active_date - first_login_date).dt.daysgroupby('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'))first_login_date