Python pandas中通过groupby函数汇总唯一值的实现求助

嘿，我来帮你搞定这个pandas分组统计的问题！

首先，咱们先理清你的需求：你想要按Block分组，统计两个指标——一是每个分组里EID的唯一数量，二是每个唯一EID对应的Hours值的总和（从你的预期结果反推，你应该是这个意思，因为如果单纯是Hours的唯一值求和，STG组的结果应该是1.0而不是2.0）。

先说说你之前代码的问题：那个lambda x: sum(range(int(x.max())))完全偏离了需求——它是取Hours列的最大值转成整数，然后计算从0到这个整数的累加和，比如STG组的Hours最大值是1.0，转成int是1，sum(range(1))结果是0，这显然不是你要的。

接下来给你两种场景的解决方案，对应不同的需求：

场景1：如果确实需要Hours的唯一值求和（去重后直接相加） #

比如STG组的Hours唯一值只有1.0，求和结果是1.0：

import pandas as pd

# 构造你的示例数据
data = {
    'EID': [5443, 5443, 5402, 5223],
    'Hours': [1.0, 1.0, 3.5, 1.0],
    'Block': ['STG', 'STG', 'BZP', 'STG'],
    'Participant': ['x', 'y', 'a', 'z']
}
df = pd.DataFrame(data)

# 分组聚合
result = df.groupby('Block').agg(
    Unique_count=('EID', 'nunique'),
    Unique_sum=('Hours', lambda x: x.unique().sum())
).reset_index()

# 调整列名匹配你的格式
result.columns = ['Block', 'Unique count', 'Unique sum']
print(result)

输出结果：

Block  Unique count  Unique sum
0   BZP             1         3.5
1   STG             2         1.0

场景2：匹配你的预期结果（每个唯一EID的Hours求和） #

也就是同一个EID在同一个Block下只保留一条记录，再对Hours求和：

import pandas as pd

# 构造示例数据
data = {
    'EID': [5443, 5443, 5402, 5223],
    'Hours': [1.0, 1.0, 3.5, 1.0],
    'Block': ['STG', 'STG', 'BZP', 'STG'],
    'Participant': ['x', 'y', 'a', 'z']
}
df = pd.DataFrame(data)

# 先按Block和EID去重，每个EID在对应Block下只留一条
unique_eid_df = df.drop_duplicates(subset=['Block', 'EID'])

# 再分组统计
result = unique_eid_df.groupby('Block').agg(
    Unique_count=('EID', 'count'),  # 这里用count或nunique结果一致
    Unique_sum=('Hours', 'sum')
).reset_index()

# 调整列名
result.columns = ['Block', 'Unique count', 'Unique sum']
print(result)

输出结果完全匹配你的预期：

Block  Unique count  Unique sum
0   BZP             1         3.5
1   STG             2         2.0

核心思路就是先确保每个EID在分组内只出现一次，再对Hours求和，这样就能得到你想要的结果啦。

内容的提问来源于stack exchange，提问作者Prateek Srivastava