Pandas：計算每組累積的唯一字符串值

Question

我有一個關於 groupby 的問題，但我想在這樣的時間段內對時間段進行分組並計算“項目”的大小（1 個月、2 個月、3 個月）。

例如下圖所示的數據：

group    time      item
1      9/30/2014      a
1      10/30/2014     a
1      11/30/2014     b
2      9/30/2014      c
2      10/30/2014     d
2      11/30/2014     d

隨着時間的推移，我想使用 groupby 來總結項目的大小

group    time      item   want
1      9/30/2014      a     1 (because we only have "a" in 9/30/2014 )
1      10/30/2014     a     1 (because we only have "a" from 9/30/2014 to 10/30/2014)
1      11/30/2014     b     2 (because we have "a" and "b" from 9/30/2014 to 11/30/2014)
2      9/30/2014      c     1  
2      10/30/2014     d     2
2      11/30/2014     d     2

我感謝您的幫助。 非常感謝。

Answer 1

您可以使用nunique計數執行groupby + expanding 。

您需要作弊，因為當前expanding僅支持數值。 所以我先factorized數據：

df['want'] = (
 pd.Series(df['item'].factorize()[0], index=df.index)
   .groupby(df['group'])
   .expanding()
   .apply(lambda s: s.nunique())
   .droplevel(0)
   .astype(int)
 )

Output：

  group        time item  want
0     a   9/30/2014    a     1
1     a  10/30/2014    a     1
2     a  11/30/2014    b     2
3     b   9/30/2014    c     1
4     b  10/30/2014    d     2
5     b  11/30/2014    d     2