Pandas实现按日期-类别统计唯一Stock数并按Category跨日期累加的问题求助

你的问题出在第二次分组的维度选错啦！咱们一步步来梳理清楚：

问题分析 #

你原来的代码里，第二次groupby(level=0)是按Date（分组索引的第0层）来分组做cumsum，这会把同一日期下的所有Category数据合并在一起累计，所以同一日期里每个分类的CUMSUM值都相同，完全不符合你要每个分类独立累计的需求。

正确解决方案 #

我们需要先统计每天每个分类的唯一股票数，再针对每个分类，按日期顺序做累计求和：

步骤1：统计每日各分类的唯一股票数

先按Date和Category分组，用nunique()统计每组的唯一Stock数量：

daily_unique = df.groupby(['Date', 'Category'])['Stock'].nunique().reset_index(name='daily_count')

这一步会得到如下中间结果：

步骤2：按分类做跨日期累计求和

接下来按Category分组，对daily_count列做cumsum，这样每个分类会独立累计每天的数值：

daily_unique['CUMSUM'] = daily_unique.groupby('Category')['daily_count'].cumsum()

合并成链式操作（可选）

如果你喜欢简洁的写法，也可以把两步合并成一行：

result = (df.groupby(['Date', 'Category'])['Stock']
          .nunique()
          .reset_index(name='daily_count')
          .assign(CUMSUM=lambda x: x.groupby('Category')['daily_count'].cumsum())
          .drop('daily_count', axis=1))

最终结果 #

运行后你就能得到期望的输出：

这样就完美实现了你要的：每个分类从最早日期开始，累计每天新增的唯一股票数量。

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