Python Pandas : Groupby Transform Sum Unique

Question

我遇到一种情况，我在 PANDAS 中创建数据透视表，单独计算字段并仅使用 .pivot_table() 作为数据透视步骤更有意义。然而，我在计算百分比的分母时遇到了一些困难。本质上，由于数据格式，我似乎需要在下面的第二行执行类似“groupby 变换唯一总和”的操作(这是我陷入困境的地方):

df['numerator'] = df.groupby(['category1','category2'])['customer_id'].transform('nunique')
df['denominator'] =  df.groupby(['category2'])['numerator'].nunique().transform('sum')
df['percentage'] = (df['numerator'] / df['denominator'])

df_pivot  = df.pivot_table(index='category1',
                           columns=['category2'],
                           values=['numerator','percentage']) \
                           swaplevel(0,1,axis=1)

df_pivot.loc['total', :] = df_pivot.sum().values

很抱歉无法提供任何虚拟数据，但如果我希望提供足够的细节来进行推理，我将不胜感激。

Answer 1

我相信需要具有unique和sum的lambda函数:

df = pd.DataFrame({'numerator':[3,1,1,9,2,2],
                   'category2':list('aaabbb')})

#print (df)

df['denominator']=df.groupby(['category2'])['numerator'].transform(lambda x: x.unique().sum())

使用set和sum的替代解决方案:

df['denominator']=df.groupby(['category2'])['numerator'].transform(lambda x: sum(set(x)))

<小时/>

print (df)
  category2  numerator  denominator
0         a          3            4
1         a          1            4
2         a          1            4
3         b          9           11
4         b          2           11
5         b          2           11