Pandas Aggregate groupby

Question

我有一个概念上看起来像下面这样的数据框架：

df = pd.DataFrame({
    "a": [1, 1, 1, 2, 2,3],
    "b": ["a", "a", "c", "a", "d","a"],
    "c": ["2", "3", "4", "2", "3","2"]
})

      a    b    c
  0   1   'a'  '2' 
  1   1   'a'  '3'
  2   1   'c'  '4'
  3   2   'a'  '2'
  4   2   'd'  '3'
  5   3   'a'  '2'

对于a中的每个组，我需要计算到这里为止的唯一(b,c)值。

因此，在本例中，输出应为[3,4,4]。

(因为在组1中有3个唯一的(b,c)对，并且在组1和2中一起有4个唯一的(b,c)值，并且在组1和2和3中一起也只有4个唯一的(b,c)值。

我试着在groupby和nunique中使用expanding，但是我不能理解它的语法。

任何帮助都将不胜感激！

Answer 1

这是一个棘手的问题。这就是你要找的吗？

result = (
    df.a.drop_duplicates(keep='last')
    .reset_index()['index']
    .apply(lambda x: df.loc[df.index<=x].pipe(lambda x: (x.b+x.c).nunique()))
     )


result
Out[27]: 
0    3
1    4
Name: index, dtype: int64

Answer 2

首先找到唯一行的索引：

idx = df[['b','c']].drop_duplicates().index

然后求出每组中剩余行数的累积和：

np.cumsum(df.iloc[idx,:].groupby('a').count()['b'])

返回

a
1    3
2    4

Answer 3

我改进了丹的答案。

df['t'] = np.cumsum(~df[['b','c']].duplicated())
df.groupby('a')['t'].last()
Out[44]: 
a
1    3
2    4
3    4
Name: t, dtype: int64