python - 将分组的聚合 nunique 列添加到 pandas 数据框

Question

我想向我的 pandas 数据框添加一个聚合的、分组的、唯一的列，但不聚合整个数据框。我试图在一行中执行此操作并避免创建新的聚合对象并将其合并等。

我的 df 有轨道、类型和 ID。我希望每个轨道/类型组合的唯一 ID 数作为表中的新列(但不折叠生成的 df 中的轨道/类型组合)。行数相同，多 1 列。

这样的东西不起作用:

df['n_unique_id'] = df.groupby(['track', 'type'])['id'].nunique()

也不是

df['n_unique_id'] = df.groupby(['track', 'type'])['id'].transform(nunique)

最后一个适用于某些聚合函数，但不适用于其他聚合函数。以下工作(但对我的数据集毫无意义):

df['n_unique_id'] = df.groupby(['track', 'type'])['id'].transform(sum)

在 R 中，这很容易在 data.table 中完成

df[, n_unique_id := uniqueN(id), by = c('track', 'type')]

谢谢!

Answer 1

df.groupby(['track', 'type'])['id'].transform(nunique)

暗示 namespace 中有一个名称nunique 执行某些功能。 transform 将接受一个函数或一个它知道函数的字符串。 nunique 绝对是这些字符串之一。

正如@root 所指出的，pandas 用来执行由这些字符串指示的转换的方法通常是经过优化的，通常应该优先于传递您自己的函数。这是 True 即使在某些情况下传递 numpy 函数也是如此。

例如 transform('sum') 应该优先于 transform(sum)。

试试这个

df.groupby(['track', 'type'])['id'].transform('nunique')

演示

df = pd.DataFrame(dict(
    track=list('11112222'), type=list('AAAABBBB'), id=list('XXYZWWWW')))
print(df)

  id track type
0  X     1    A
1  X     1    A
2  Y     1    A
3  Z     1    A
4  W     2    B
5  W     2    B
6  W     2    B
7  W     2    B

df.groupby(['track', 'type'])['id'].transform('nunique')

0    3
1    3
2    3
3    3
4    1
5    1
6    1
7    1
Name: id, dtype: int64