Pandas 不同的聚合計數

Question

假設我有一個用戶活動日志，我想生成一份關於總持續時間和每天唯一用戶數的報告。

import numpy as np
import pandas as pd
df = pd.DataFrame({'date': ['2013-04-01','2013-04-01','2013-04-01','2013-04-02', '2013-04-02'],
    'user_id': ['0001', '0001', '0002', '0002', '0002'],
    'duration': [30, 15, 20, 15, 30]})

聚合持續時間非常簡單：

group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg
            duration
date
2013-04-01        65
2013-04-02        45

我想做的是同時對持續時間和不同計數求和，但我似乎找不到 count_distinct 的等效項：

agg = group.aggregate({ 'duration': np.sum, 'user_id': count_distinct})

這行得通，但肯定有更好的方法，不是嗎？

group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg['uv'] = df.groupby('date').user_id.nunique()
agg
            duration  uv
date
2013-04-01        65   2
2013-04-02        45   1

我想我只需要提供一個 function，它將 object 系列的不同項目的計數返回到聚合 function，但我沒有太多接觸可供我使用的各種庫。 此外，groupby object 似乎已經知道此信息，所以我不會只是重復工作嗎？

Answer 1

如何：

>>> df
         date  duration user_id
0  2013-04-01        30    0001
1  2013-04-01        15    0001
2  2013-04-01        20    0002
3  2013-04-02        15    0002
4  2013-04-02        30    0002
>>> df.groupby("date").agg({"duration": np.sum, "user_id": pd.Series.nunique})
            duration  user_id
date                         
2013-04-01        65        2
2013-04-02        45        1
>>> df.groupby("date").agg({"duration": np.sum, "user_id": lambda x: x.nunique()})
            duration  user_id
date                         
2013-04-01        65        2
2013-04-02        45        1

Answer 2

自熊貓0.20.0起，'nunique'是.agg（）的選項，因此：

df.groupby('date').agg({'duration': 'sum', 'user_id': 'nunique'})

Answer 3

僅添加到已經給出的答案中，使用字符串"nunique"的解決方案似乎要快得多，在此處對"nunique"行數據幀進行了測試，然后分組為"nunique"

%time _=g.agg({"id": lambda x: x.nunique()})
CPU times: user 3min 3s, sys: 2.94 s, total: 3min 6s
Wall time: 3min 20s

%time _=g.agg({"id": pd.Series.nunique})
CPU times: user 3min 2s, sys: 2.44 s, total: 3min 4s
Wall time: 3min 18s

%time _=g.agg({"id": "nunique"})
CPU times: user 14 s, sys: 4.76 s, total: 18.8 s
Wall time: 24.4 s

Answer 4

如果您只想獲得每個組的多個不同值，您可以直接將方法nunique與DataFrameGroupBy object 一起使用：

df.groupby('date')['user_id'].nunique()

Answer 5

您可以使用aggregate方法一次為所有列找到它，

df.aggregate(func=pd.Series.nunique, axis=0)
# or
df.aggregate(func='nunique', axis=0)

查看聚合 | Pandas 文檔