按BR_NM统计唯一CUS_ID，再按REGION汇总求和的Pandas实现问题

原始数据 #

首先创建示例DataFrame：

import pandas as pd
import numpy as np
df = pd.DataFrame({'BR_NM': ['HN', 'HN', 'HP'], 
                   'CUS_ID': ['12345', '12345', '12345'],
                   'ACC_ID': ['12345_1', '12345_2', '12345_3'],
                   'REGION': ['North', 'North', 'North'], 
                   'CUS_TYPE': ['Individual', 'Individual', 'Individual']})

数据预览：

需求说明 #

需先按BR_NM统计唯一CUS_ID的数量（同一客户在不同BR_NM下需分别计数，此场景中客户12345在HN和HP各计1次，总计2），再按REGION字段汇总求和，期望输出：

REGION    CUS_TYPE  North
0  North  Individual      2

问题分析 #

直接使用pivot_table并设置aggfunc=pd.Series.nunique会得到结果1，因为该操作是对整个REGION分组内的CUS_ID直接去重，没有先按BR_NM做层级分组统计，不符合需求。

解决方案 #

通过两层分组实现：先按BR_NM、REGION、CUS_TYPE统计唯一客户数，再按REGION和CUS_TYPE汇总求和。

代码实现 #

# 第一步：按BR_NM、REGION、CUS_TYPE分组，统计每个BR下的唯一客户数
grouped_by_br = df.groupby(['BR_NM', 'REGION', 'CUS_TYPE'])['CUS_ID'].nunique().reset_index()

# 第二步：按REGION和CUS_TYPE汇总求和
final_result = grouped_by_br.groupby(['REGION', 'CUS_TYPE'])['CUS_ID'].sum().reset_index(name='North')

print(final_result)

简洁链式写法 #

final_result = (df.groupby(['BR_NM', 'REGION', 'CUS_TYPE'])['CUS_ID']
                .nunique()
                .groupby(level=['REGION', 'CUS_TYPE'])
                .sum()
                .reset_index(name='North'))

print(final_result)

输出结果 #

REGION    CUS_TYPE  North
0  North  Individual      2

内容的提问来源于stack exchange，提问作者hoa tran