计算熊猫中的唯一价值对

Question

我有一个如下数据框：

           place          user     count  item
2013-06-01 New York       john     2      book
2013-06-01 New York       john     1      potato
2013-06-04 San Francisco  john     5      laptop
2013-06-04 San Francisco  jane     6      tape player
2013-05-02 Houston        michael  2      computer

我正在尝试计算每个place的唯一(date, user)组合的数量，或者换句话说，是对每个城市的“唯一访问”的数量。 因此，对于New York来说，是一个，对于San Francisco来说，是两个，对于Houston ，它将是一个。

我试过以下操作：

df.groupby([df.index, user, place]).place.size()但只是返回总count每个地方。 我觉得我在这里确实缺少一些明显的东西，但是我看不到它是什么。 有什么帮助吗？

Answer 1

这是一种实现方法，假设您将索引转换为名为date的列，但也可以像上面所示将其传递进来。

输入：

df.groupby(['place', 'user', 'date']).place.count().groupby(level='place').count()

输出：

place
Houston          1
New York         1
San Francisco    2
dtype: int64

Answer 2

替代答案：

df.drop_duplicates(['date', 'place', 'user'])['place'].value_counts()

它比Phillip的回答更有效率（因为通常groupby不是）：

In [64]: %timeit df.groupby(['place', 'user', 'date']).place.count().groupby(level='place').count()
100 loops, best of 3: 2.55 ms per loop

In [65]: %timeit df.drop_duplicates(['date', 'place', 'user'])['place'].value_counts()
1000 loops, best of 3: 1.27 ms per loop

（根据以上DataFame计算得出的数据被串联10000次）。

（“ drop_duplicates”在要枚举不同组合时也很有用-为每个组合分配一个ID-而不是仅对它们进行计数，尽管在OP的问题中并非如此）