基于同一id的熊猫数据总价值的计算

Question

我有一个像这样的数据文件：

api_spec_id       commitdates       commits Year-Month API Age info_version  
84                  2014-12-15      110      2014-12     110      6.0.1  
84                  2014-11-06       33      2014-11      33      6.0.2
84                  2014-10-15      110      2014-10     110      6.0.3
84                  2014-12-02      110      2014-12     110      6.0.5
84                  2014-11-19       33      2014-11      33      7.0.2

api_spec_id是dataframe中每个API的id，现在相同的API可以在同一个id中有不同的版本，因为它对每个提交日期都在更改。

我想计算一下，对于api_spec_id = 84，总共有多少个版本，就像这里总共有5个版本。

我想要的输出是：

api_spec_id       commitdates       commits Year-Month API Age info_version  Total_versions
84                  2014-12-15      110      2014-12     110      6.0.1       5
84                  2014-11-06       33      2014-11      33      6.0.2       5
84                  2014-10-15      110      2014-10     110      6.0.3.      5
84                  2014-12-02      110      2014-12     110      6.0.5.      5
84                  2014-11-19       33      2014-11      33      7.0.2.      5

我尝试使用value_counts.()、sum()和其他几个解决方案来解决堆栈中类似的问题，但是没有一个解决方案给出了我想要达到的正确数字。做这件事最好的方法是什么？任何指导都会很有帮助。

Answer 1

为此，可以使用pd.groupby和nunique：

df['Total_versions'] = df.groupby('api_spec_id').info_version.transform('nunique')

它计算列'info_version'中每个'api_spec_id'的唯一值数。

输出：

api_spec_id commitdates commits Year-Month  API_Age info_version    Total_versions
0   84  2014-12-15  110 2014-12 110 6.0.1   5
1   84  2014-11-06  33  2014-11 33  6.0.2   5
2   84  2014-10-15  110 2014-10 110 6.0.3   5
3   84  2014-12-02  110 2014-12 110 6.0.5   5
4   84  2014-11-19  33  2014-11 33  7.0.2   5