如何按组计算累积唯一值？

Question

我想知道如何按组计算 python 中的累积唯一值？

下面是 dataframe 示例：

团体	年	类型
一个	1998	红色的
一个	1998	蓝色的
一个	2002年	红色的
一个	2005年	蓝色的
一个	2008年	蓝色的
一个	2008年	黄
乙	1998	红色的
乙	2001年	红色的
乙	2003年	红色的
C	1996	红色的
C	2002年	橙
C	2002年	红色的
C	2012	蓝色的
C	2012	黄

我需要按“组”列创建一个新列。 这个新列的值应该是列“类型”的累积唯一值，按列“年”累积。

下面是我想要的dataframe。 例如： (1)对于A组和1998年，我想统计1998年Type的唯一值，Type有两个唯一值：红色和蓝色。 (2)对于A组和2002年，我想统计1998年和2002年Type的唯一值，Type也有两个唯一值：红色和蓝色。 (3)对于A组和2008年，我想统计1998年、2002年、2005年和2008年Type的唯一值，Type的唯一值有红色、蓝色和黄色三个。

团体	年	类型	想
一个	1998	红色的	2
一个	1998	蓝色的	2
一个	2002年	红色的	2
一个	2005年	蓝色的	2
一个	2008年	蓝色的	3
一个	2008年	黄	3
乙	1998	红色的	1
乙	2001年	红色的	1
乙	2003年	红色的	1
C	1996	红色的	1
C	2002年	橙	2
C	2002年	红色的	2
C	2012	蓝色的	4
C	2012	黄	4

关于此 dataframe 的另一件事：并非所有组在同一年份都有值。 例如，A 组在 1998 年和 2008 年有两个值，在 2002 年和 2005 年有一个值。B 组在 1998、2001 和 2003 年有值。

我想知道如何解决这个问题。 您的大力帮助对我来说意义重大。 谢谢！

Answer 1

对于每个Group ：

Append 新列Want具有您想要的值：

def f(df):
    want = df.groupby('Year')['Type'].agg(list).cumsum().apply(set).apply(len)
    want.name = 'Want'
    return df.merge(want, on='Year')

df.groupby('Group', group_keys=False).apply(f).reset_index(drop=True)

结果：

   Group  Year    Type  Want
0      A  1998     red     2
1      A  1998    blue     2
2      A  2002     red     2
3      A  2005    blue     2
4      A  2008    blue     3
5      A  2008   yello     3
6      B  1998     red     1
7      B  2001     red     1
8      B  2003     red     1
9      C  1996     red     1
10     C  2002  orange     2
11     C  2002     red     2
12     C  2012    blue     4
13     C  2012   yello     4

笔记：

• 我认为在这里使用.merge是有效的。

• 您还可以在f中使用 1 个.apply而不是 2 个链式来提高效率： .apply(lambda x: len(set(x)))