在Pandas中按group列分组计算country列的累计唯一值计数

你需要的是在每个分组内，对country列计算到当前行为止的累计唯一值数量，可以通过groupby结合transform和duplicated、cumsum实现，代码如下：

import pandas as pd

# 构造原始DataFrame
data = {
    'group': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
    'country': ['usa', 'germany', 'germany', 'france', 'usa', 'germany', 'germany', 'france', 'germany', 'france']
}
df = pd.DataFrame(data)

# 新增累计唯一值列
df['num_distinct_values'] = df.groupby('group')['country'].transform(
    lambda x: (~x.duplicated()).cumsum()
)

print(df)

代码解释： #

• df.groupby('group')['country']：按group列分组，针对每个组的country列做单独处理
• ~x.duplicated()：在组内标记当前行的country是否是首次出现（True代表首次出现，False代表重复出现）
• .cumsum()：对标记结果做累计求和，最终得到到当前行为止的累计唯一值数量

运行后输出结果完全符合预期：

group  country  num_distinct_values
0     A      usa                    1
1     A  germany                    2
2     A  germany                    2
3     A   france                    3
4     A      usa                    3
5     B  germany                    1
6     B  germany                    1
7     B   france                    2
8     B  germany                    2
9     B   france                    2

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