[英]How to count cumulative unique values by group?
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!
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)))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.