假设有一个名为transactions的数据集，有以下列：user_id, transaction_date, amount。

我们可以使用pandas库来解决这个问题。

首先，我们需要将transaction_date列转换为datetime格式，并设置它作为索引：

import pandas as pd

transactions['transaction_date'] = pd.to_datetime(transactions['transaction_date'])
transactions.set_index('transaction_date', inplace=True)

然后，我们使用resample函数将数据按天进行重采样，并使用agg函数计算每天的用户数量和交易数量：

x = 5 # X笔交易
y = 7 # Y天

result = transactions.groupby('user_id').resample('D')['amount'].count()
result = result[result >= x]
result = result.groupby(level=0).agg({'count': 'count', 'sum': 'sum'})
result = result[result['count'] >= y]

这将返回一个pandas DataFrame，其中包含每个日期内有超过X笔交易的用户数量。每一行表示一个日期，包括日期、用户数量和总交易数量。

如果想改为每月统计，只需将resample参数修改为'M'，代表按月统计。