python - 将新列添加到 pandas DataFrame 导致 NaN

Question

我有一个带有以下交易数据的 pandas DataFrame data:

           A         date
0      M000833  2016-08-01
1      M000833  2016-08-01
2      M000833  2016-08-02
3      M000833  2016-08-02 
4      M000511  2016-08-05

我想要一个新列，其中包含每个消费者的访问次数(每天多次访问应视为 1 次)。

所以我尝试了这个:

import pandas as pd
data['noofvisits'] = data.groupby(['A'])['date'].nunique()

当我只是运行语句而不将其分配给 DataFrame 时，我得到了一个具有所需输出的 ​​pandas 系列。但是，上述语句导致:

           A         date       noofvisits
0      M000833  2016-08-01         NaN         
1      M000833  2016-08-01         NaN
2      M000833  2016-08-02         NaN
3      M000833  2016-08-02         NaN
4      M000511  2016-08-05         NaN

预期的输出是:

           A         date       noofvisits
0      M000833  2016-08-01         2         
1      M000833  2016-08-01         2
2      M000833  2016-08-02         2
3      M000833  2016-08-02         2
4      M000511  2016-08-05         1

这种方法有什么问题？为什么 noofvisits 列的结果是 NA 而不是计数值？

Answer 1

使用transform生成一个 Series，其索引与原始 df 对齐:

In[32]:
df['noofvisits'] = df.groupby(['A'])['date'].transform('nunique')
df

Out[32]: 
             A        date  noofvisits
index                                 
0      M000833  2016-08-01           2
1      M000833  2016-08-01           2
2      M000833  2016-08-02           2
3      M000833  2016-08-02           2
4      M000511  2016-08-05           1

直接分配的问题是你在 'A' 列上进行group，所以这成为 groupby 聚合的索引，然后您尝试分配给您的 df 但索引不一致，因此 NaN 列值。

此外，即使索引值确实一致，形状仍然不同:

In[33]:
df.groupby(['A'])['date'].nunique()

Out[33]: 
A
M000511    1
M000833    2
Name: date, dtype: int64