Python:根据多个分组对唯一变量进行分组和计数而无需重新计数

Question

我有一个包含 3 列的数据框:

ID  Round  Investor
X   1      A
X   2      A
X   2      B
X   3      A
Y   1      A
Y   1      B
Y   1      C
Y   2      B
Y   2      D

并且想为每个 ID 计算每一轮的唯一投资者的数量。但我不希望它重新计算投资者是否在上一轮。我使用的代码是:

print(df.groupby(['ID', 'Round'])['Investor'].nunique())

结果是:

ID  Round  Unique Investor
X   1      1
    2      2
    2      2
    3      1
Y   1      3
    1      3
    1      3
    2      2
    2      2

但我不认为当投资者为同一 ID 投资了较早的一轮时:

ID  Round  Unique Investor
X   1      1
    2      1
    2      1
    3      0
Y   1      3
    1      3
    1      3
    2      1
    2      1

非常感谢任何帮助!

Answer 1

您可以定义一个辅助列 Investor2，它在 ID 下分组，并在具有 Series.drop_duplicates 的同一 ID 中删除重复项

然后，按照ID 和Round 进行分组，就像您之前在此Investor2 列中所做的那样，使用.transform()。和 nunique ，如下:

df['Unique Investor'] = (
    df.assign(Investor2=df.groupby('ID')['Investor'].apply(pd.Series.drop_duplicates).droplevel(0))
      .groupby(['ID', 'Round'])['Investor2'].transform('nunique')
    )

结果:

print(df)

  ID  Round Investor  Unique Investor
0  X      1        A                1
1  X      2        A                1
2  X      2        B                1
3  X      3        A                0
4  Y      1        A                3
5  Y      1        B                3
6  Y      1        C                3
7  Y      2        B                1
8  Y      2        D                1