我有一个数据集：

• • • day**-〉用户执行操作的日期（整数）（例如，day = 1）
• • • user_id**-〉标识每个用户的唯一id。（例如user_id ='a'
• • • 操作**-〉采取的操作类型（例如，操作= 1）
• • 目标：**
• 对于天数= n：
• 对于每个操作：
• 天数=（n，n-1）（今天和昨天）
• 计算执行所述操作的唯一用户数。

例如，使用以下数据集：

• • Q**："第2天有多少用户在第2天和第2 - 1天执行了操作1？"
• 第2天。
• 用于操作= 1
• 天= 2、天= 1-〉a、b、c = 3的唯一用户计数

"我现在的解决方案"
我已经用2个for循环做了一个解决方案，但是我认为有一个更好的解决方案是我缺少的，使用groupby/apply/rolling。但是我无法找到一个更简洁的解决方案。
下面是完整的代码：

import pandas as pd 

df = pd.DataFrame(
    { 
        "day"    :  [ 0,  1,  1,  2,  2,   3 ,  1,   2,   4,   4,   5],
        "user_id":  ['a','a','b','b','c', 'c', 'a', 'b', 'a', 'b', 'c'], 
        "actions" :  [ 1,  1 , 1,  1,  1,   1,   2,   2,   2,   2,   2] 
     
     } 
)

# current soltion with 2 for loops. 
unique_dictionary = {'action': [], 'day': [], 'unique_users_last_n_days': []} # store the results 
n_days = 1 # change the days previous you look at. 

for action in (list(df.actions.unique())):
  for day in (sorted(list(df.day.unique()))):
    mask_last_n_days = (day - df["day"] >=0) & (day - df["day"] <= n_days)  #only look at values that meet condition. 
    mask_action = df['actions'] == action
    unique_users_last_n_days = df[(mask_action) & (mask_last_n_days)]["user_id"].nunique() # get the unique users in the condition 
    # store result in dictionary.  
    unique_dictionary['action'].append(action) 
    unique_dictionary['day'].append(day)
    unique_dictionary['unique_users_last_n_days'].append(unique_users_last_n_days)

df_unique_users_last_n_days = pd.DataFrame(unique_dictionary)

print (df_unique_users_last_n_days)

-OUT
    action  day  unique_users_last_n_days
0        1    0                         1
1        1    1                         2
2        1    2                         3
3        1    3                         2
4        1    4                         1
5        1    5                         0
6        2    0                         0
7        2    1                         1
8        2    2                         2
9        2    3                         1
10       2    4                         2
11       2    5                         3

解决方案应适用于日列中缺失的日期。