Python 如何计算每个用户（ID）的最大一致活动天数？

我在Python中有一个数据帧，如下所示：

但是在整个数据帧中的

overship

列中有许多其他

ID

的值为0或>0。

---

所以我想计算每个

ID

的一致

1

的最大数量。 请问我该怎么做

---

致以最良好的祝愿

我不得不添加两个额外的专栏来实现您想要实现的目标

df[["ID","Activity"]].groupby(["ID"]).sum().reset_index(name="Max Activity days")

df = df.sort_values(["ID", "Day"])
df["Timestamp"] = pd.to_datetime(df.Day).astype('int64')
df["Change"] = df.Activity.diff().fillna(1)
df["StartTimeStamp"] = df.Change * df.Timestamp
df["StartTimeStamp"] = df.StartTimeStamp.replace(0, method='ffill')
summary = df[df.StartTimeStamp > 0].groupby(["ID", "StartTimeStamp"]).Activity.count().groupby("ID").max()

---

我想计算每个“ID”的一致“1”的最大数量。这意味着什么，你能发布你的预期输出吗。我已经更新了图片。请）@btnvstusrnm，粘贴数据样本总是有帮助的。很难用图像再现您的问题！你能解释一下你的答案吗？它很完美而且有效！你真是个了不起的天才！谢谢！

df = df.sort_values(["ID", "Day"])
df["Timestamp"] = pd.to_datetime(df.Day).astype('int64')
df["Change"] = df.Activity.diff().fillna(1)
df["StartTimeStamp"] = df.Change * df.Timestamp
df["StartTimeStamp"] = df.StartTimeStamp.replace(0, method='ffill')
summary = df[df.StartTimeStamp > 0].groupby(["ID", "StartTimeStamp"]).Activity.count().groupby("ID").max()