Puedes intentar hacer algo similar a esto:

 df = pd.DataFrame.from_dict({ "Student_id": [1001,1001,1001,1001,1001,1001,1002,1002,1002], "actvity_timestamp": ["2019-09-05 08:26:12", "2019-09-06 09:26:12", "2019-09-21 10:11:01", "2019-10-24 11:44:01", "2019-10-25 11:31:01", "2019-10-26 12:13:01", "2019-09-11 12:21:01", "2019-09-12 13:11:01", "2019-11-23 16:22:01"] }) months = pd.to_datetime(df.actvity_timestamp).dt.strftime("%B") result = pd.crosstab( df.Student_id, months, values=df.activity_timestamp.dt.date, aggfunc=pd.Series.nunique # These last two parameters make it so that if a Student_id has been active more than once in a single day, to count it only once. (Thanks to @tlentali) ).fillna(0)

Series.dt.strftime funciona en series de fecha y hora, %B da formato a la fecha y hora para mostrar solo el nombre del mes.

result producirá

 actvity_timestamp November October September Student_id 1001 0 3 3 1002 1 0 2

A partir de su Dataframe de datos:

 >>> import pandas as pd >>> df = pd.DataFrame({'Student_id': [1001, 1001, 1001, 1001, 1001, 1001, 1002, 1002, 1002], ... 'activity_timestamp': ['2019-09-05 08:26:12', '2019-09-06 09:26:12', '2019-09-21 10:11:01', '2019-10-24 11:44:01', '2019-10-25 11:31:01', '2019-10-26 12:13:01', '2019-09-11 12:21:01', '2019-09-12 13:11:01', '2019-11-23 16:22:01']}, ... index = [0, 1, 2, 3, 4, 5, 6, 7, 8]) >>> df Student_id activity_timestamp 0 1001 2019-09-05 08:26:12 1 1001 2019-09-06 09:26:12 2 1001 2019-09-21 10:11:01 3 1001 2019-10-24 11:44:01 4 1001 2019-10-25 11:31:01 5 1001 2019-10-26 12:13:01 6 1002 2019-09-11 12:21:01 7 1002 2019-09-12 13:11:01 8 1002 2019-11-23 16:22:01

Convertimos la marca de tiempo de activity_timestamp en fecha y datetime y extraemos la fecha y el número de mes de la siguiente manera:

 >>> df['activity_timestamp'] = pd.to_datetime(df['activity_timestamp'], format='%Y-%m-%d %H:%M:%S.%f') >>> df['date'] = df['activity_timestamp'].dt.date >>> df['month'] = df['activity_timestamp'].dt.month_name() >>> df Student_id activity_timestamp date month 0 1001 2019-09-05 08:26:12 2019-09-05 September 1 1001 2019-09-05 08:26:13 2019-09-05 September 2 1001 2019-09-06 09:26:12 2019-09-06 September 3 1001 2019-09-21 10:11:01 2019-09-21 September 4 1001 2019-10-24 11:44:01 2019-10-24 October 5 1001 2019-10-25 11:31:01 2019-10-25 October 6 1001 2019-10-26 12:13:01 2019-10-26 October 7 1002 2019-09-11 12:21:01 2019-09-11 September 8 1002 2019-09-12 13:11:01 2019-09-12 September 9 1002 2019-11-23 16:22:01 2019-11-23 November

Luego, usamos el método pivot_table() con la función nunique en lugar de count para obtener el número de fechas únicas :

 >>> df_result = (df.pivot_table(index='Student_id', ... columns='month', ... values='date', ... aggfunc=pd.Series.nunique, ... fill_value=0).rename_axis(columns=None)).add_prefix('total_active_days_in_').reset_index(drop=False) >>> df_result Student_id total_active_days_in_November total_active_days_in_October total_active_days_in_September 0 1001 0 3 3 1 1002 1 0 2

Gracias a @SeaBean por el método add_prefix .

Puede llegar al diseño deseado (con los nombres de las columnas ordenados en la secuencia de mes correcta: 'Sep' -> 'Oct' -> 'Nov' en lugar de 'Nov' -> 'Oct' -> 'Sep') en los siguientes pasos :

1) Cree una columna con el nombre abreviado del mes. Luego use .pivot_table() para transformar el marco de datos (con agregación en el conteo de fechas activas en cada mes debajo de cada Student_id ) :

 df['actvity_timestamp'] = pd.to_datetime(df['actvity_timestamp']) # to datetime format df['activity_month'] = df['actvity_timestamp'].dt.strftime('%b') # get month short name df['activity_date'] = df['actvity_timestamp'].dt.date # get activity dates df_out = (df.pivot_table(index='Student_id', # group under each student id columns='activity_month', # month short name as new columns values='activity_date', # aggregate on dates aggfunc='nunique', #activities on the same date counted once fill_value=0) .rename_axis(columns=None) ) Nov Oct Sep Student_id 1001 0 3 3 1002 1 0 2

2) Ordene los nombres de las columnas del nombre abreviado del mes de vuelta a la secuencia del calendario por .sort_index con el parámetro de clave de clasificación, de la siguiente manera:

 df_out = df_out.sort_index(axis=1, key=lambda x: pd.to_datetime(x, format='%b').month) Sep Oct Nov Student_id 1001 3 3 0 1002 2 0 1

3) Transforme aún más el diseño deseado mediante .add_prefix() :

 df_out = df_out.add_prefix('total_active_days_in_').reset_index()

Resultado:

 print(df_out) Student_id total_active_days_in_Sep total_active_days_in_Oct total_active_days_in_Nov 0 1001 3 3 0 1 1002 2 0 1