如何按組計算累積唯一值？

Question

我想知道如何按組計算 python 中的累積唯一值？

下面是 dataframe 示例：

團體	年	類型
一個	1998	紅色的
一個	1998	藍色的
一個	2002年	紅色的
一個	2005年	藍色的
一個	2008年	藍色的
一個	2008年	黃
乙	1998	紅色的
乙	2001年	紅色的
乙	2003年	紅色的
C	1996	紅色的
C	2002年	橙
C	2002年	紅色的
C	2012	藍色的
C	2012	黃

我需要按“組”列創建一個新列。 這個新列的值應該是列“類型”的累積唯一值，按列“年”累積。

下面是我想要的dataframe。 例如： (1)對於A組和1998年，我想統計1998年Type的唯一值，Type有兩個唯一值：紅色和藍色。 (2)對於A組和2002年，我想統計1998年和2002年Type的唯一值，Type也有兩個唯一值：紅色和藍色。 (3)對於A組和2008年，我想統計1998年、2002年、2005年和2008年Type的唯一值，Type的唯一值有紅色、藍色和黃色三個。

團體	年	類型	想
一個	1998	紅色的	2
一個	1998	藍色的	2
一個	2002年	紅色的	2
一個	2005年	藍色的	2
一個	2008年	藍色的	3
一個	2008年	黃	3
乙	1998	紅色的	1
乙	2001年	紅色的	1
乙	2003年	紅色的	1
C	1996	紅色的	1
C	2002年	橙	2
C	2002年	紅色的	2
C	2012	藍色的	4
C	2012	黃	4

關於此 dataframe 的另一件事：並非所有組在同一年份都有值。 例如，A 組在 1998 年和 2008 年有兩個值，在 2002 年和 2005 年有一個值。B 組在 1998、2001 和 2003 年有值。

我想知道如何解決這個問題。 您的大力幫助對我來說意義重大。 謝謝！

Answer 1

對於每個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)

結果：

   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

筆記：

• 我認為在這里使用.merge是有效的。

• 您還可以在f中使用 1 個.apply而不是 2 個鏈式來提高效率： .apply(lambda x: len(set(x)))