可以使用Python中的pandas库解决这个问题。假设我们有一个名为“sales”的数据框，它包含以下列：user_id、product_id和purchase_date。

首先，我们需要为每个用户分类，确定他们是第一次购买，第二次购买等。我们可以使用pandas的groupby和cumcount函数来实现。

sales['user_activity'] = sales.groupby('user_id').cumcount()+1

这个代码将按user_id分组，并为每个用户添加一个新列user_activity。 cumcount()函数将在每个用户的购买日期上排序，并分配给该用户的第一次购买序号为1，第二次购买为2，以此类推。

接下来，我们将按每个用户和他们的购买活跃度（第1次购买，第2次购买等）按畅销产品分类。这可以使用groupby和agg方法来完成。

top_selling_products = sales.groupby(['user_id', 'user_activity'])['product_id'].agg(lambda x: x.value_counts().index[0])

这个代码将首先按user_id和user_activity分组，然后在product_id上运行一个函数，该函数计算每个产品在每个组中的出现次数，并返回具有最高出现次数的产品ID。

最后，我们只需将数据呈现在一个更方便的格式中。这里，我们将结果存储为一个名为“top_selling_products”的新数据框，其中每个行都包含用户ID，购买活动和畅销产品ID。

top_selling_products = top_selling_products.reset_index()
top_selling_products.columns = ['user_id', 'user_activity', 'top_product_id']

这些代码将结果存储在名为“top_selling_products”的数据框中，我们可以像下面这样查看前5个条目。

print(top_selling_products.head())

输出如下：

| user_id | user_activity | top_product_id |
|---------|---------------|----------------|
| 1       | 1             |  123           |
| 1       | 2             |  456           |
| 2       |