数据分析中用户粘性的计算

Question

请问用户粘性DAU/MAU 的计算中，n天里 单日DAU/MAU的均值 中每个单日对应的前30天MAU 是动态的吗
比如8.1日的DAU/MAU是8.1的日活/过去30d的总活跃量（即7.2-8.1日的活跃人数）
8.2日的DAU/MAU是8.2的日活/过去30d的总活跃量（即7.3-8.2日的活跃人数）
8.3日的DAU/MAU是8.2的日活/过去30d的总活跃量（即7.4-8.3日的活跃人数）

数据分析体系 - 用户粘性（DAU/MAU 和 月人均活跃天数）_数据分析:用户粘度等级划分-CSDN博客

Answer 1

阿里嘎多学长整理AIGC生成，因移动端显示问题导致当前答案未能完全显示，请使用PC端查看更加详细的解答过程

数据分析中用户粘性的计算

你的问题是关于计算用户粘性的DAU/MAU的，具体来说是关于n天里单日DAU/MAU的均值中每个单日对应的前30天MAU是否是动态的。

根据你的描述，8.1日的DAU/MAU是8.1的日活/过去30d的总活跃量（即7.2-8.1日的），这意味着前30天MAU是动态的。

在计算用户粘性的DAU/MAU时，我们通常使用滑动窗口法来计算前30天MAU。滑动窗口法是指将时间窗口滑动到当前日期，计算前30天的MAU。这样每个单日对应的前30天MAU都是动态的。

因此，答案是yes，每个单日对应的前30天MAU是动态的。

如果你需要具体的代码实现，可以使用以下Python代码：

import pandas as pd

# 假设你有一个数据框，包含用户ID和日期
df = pd.DataFrame({'user_id': [1, 1, 1, 2, 2, 2], 'date': ['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04', '2022-01-05', '2022-01-06']})

# 计算每个单日对应的前30天MAU
df['mau'] = df.groupby('user_id')['date'].transform(lambda x: x.rolling(window=30).count())

# 计算DAU/MAU
df['dau'] = df.groupby('user_id')['date'].transform(lambda x: x.rolling(window=1).count())
df['dau_mau'] = df['dau'] / df['mau']

# 计算n天里单日DAU/MAU的均值
df['dau_mau_avg'] = df.groupby('date')['dau_mau'].transform(lambda x: x.rolling(window=n).mean())

其中，n是你想要计算的天数。