python - 如何在 pandas 数据框中执行不同值的累积和

Question

我有一个像这样的数据框:

id    date         company    ......
123   2019-01-01        A
224   2019-01-01        B
345   2019-01-01        B
987   2019-01-03        C
334   2019-01-03        C
908   2019-01-04        C
765   2019-01-04        A
554   2019-01-05        A
482   2019-01-05        D

我想获取“公司”列随着时间的推移唯一值的累积数量。因此，如果一家公司稍后出现，则不会再次计算在内。

我的预期输出是:

date            cumulative_count
2019-01-01      2
2019-01-03      3
2019-01-04      3
2019-01-05      4

我已经尝试过:

df.groupby(['date']).company.nunique().cumsum()

但如果同一家公司出现在不同的日期，则重复计数。

Answer 1

使用重复 + cumsum + 最后

m = df.duplicated('company')
d = df['date']

(~m).cumsum().groupby(d).last()

date
2019-01-01    2
2019-01-03    3
2019-01-04    3
2019-01-05    4
dtype: int32