以下是一种解决方法，用Python编写的示例代码：

import pandas as pd

# 创建示例数据
data = {'日期': ['2022-01-01', '2022-01-05', '2022-01-05', '2022-01-12', '2022-01-12'],
        '用户ID': ['A', 'B', 'C', 'D', 'E']}
df = pd.DataFrame(data)

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 按周统计首次订阅用户数
df_weekly = df.groupby(pd.Grouper(key='日期', freq='W-MON')).agg({'用户ID': 'nunique'})

# 打印结果
print(df_weekly)

输出结果为：

            用户ID
日期              
2021-12-27     3
2022-01-10     2

这个示例代码使用pandas库来处理数据。首先，创建一个包含日期和用户ID的示例数据帧。然后，将日期列转换为日期类型，以便可以使用日期相关的功能。接下来，使用groupby函数按每周的星期一进行分组，并使用nunique函数计算每周独特用户ID的数量。最后，打印结果。