用pandas计算某年的新用户人数，现有近几年的销售数据：数据有两列，用户名和购买时间，现在要根据该数据计算某年用户中多少是新用户，定义某个用户在365天未购买过该商品为新用户，详细代码要如何写？注：新用户定义要精确到每个用户，不能用时间范围计算

可以使用pandas中的groupby和apply函数来实现。首先将购买时间转换为datetime格式，然后按照用户名进行分组，对每个用户的购买时间进行排序，计算每个用户最后一次购买时间和第一次购买时间的差值，如果差值大于365天，则该用户为新用户。

具体代码如下：

import pandas as pd

# 读取数据
data = pd.read_csv('sales_data.csv')

# 将购买时间转换为datetime格式
data['购买时间'] = pd.to_datetime(data['购买时间'])

# 按照用户名进行分组，对每个用户的购买时间进行排序
grouped = data.groupby('用户名').apply(lambda x: x.sort_values('购买时间'))

# 计算每个用户最后一次购买时间和第一次购买时间的差值
diff = grouped.groupby('用户名')['购买时间'].apply(lambda x: x.iloc[-1] - x.iloc[])

# 统计新用户数量
new_users = (diff > pd.Timedelta(days=365)).sum()

print('某年的新用户人数为：', new_users)