如何用Pandas统计存在非发布浏览职位的唯一account_id数量

我有一个包含account_id、viewed_job_id和posted_job_id列的Pandas DataFrame，每行数据唯一，但同一个account_id会出现在多行中。需要统计满足存在至少一个viewed_job_id不在该账户所有posted_job_id集合中的唯一account_id数量。

示例数据 #

示例结果：满足条件的账户为a_2和a_3，最终统计数量为2。

实现步骤 #

1. 按account_id分组，分别提取每个账户的所有viewed_job_id和posted_job_id并去重为集合
2. 检查每个账户的浏览岗位集合是否不完全包含在发布岗位集合中（即存在至少一个浏览岗位不在发布岗位里）
3. 统计满足条件的账户总数

代码实现 #

import pandas as pd

# 构造示例DataFrame（实际使用时替换为你的数据）
df = pd.DataFrame({
    'account_id': ['a_1', 'a_1', 'a_2', 'a_2', 'a_3', 'a_3'],
    'viewed_job_id': ['j_1', 'j_2', 'j_1', 'j_3', 'j_2', 'j_3'],
    'posted_job_id': ['j_2', 'j_1', 'j_4', 'j_1', 'j_3', 'j_3']
})

# 分组聚合得到每个账户的岗位集合
account_job_sets = df.groupby('account_id').agg(
    viewed=('viewed_job_id', set),
    posted=('posted_job_id', set)
)

# 判断每个账户是否符合条件
account_job_sets['is_valid'] = account_job_sets.apply(
    lambda row: not row['viewed'].issubset(row['posted']),
    axis=1
)

# 统计符合条件的账户数量
valid_account_count = account_job_sets['is_valid'].sum()
print(valid_account_count)  # 输出：2

代码说明 #

• groupby('account_id').agg(...)：通过分组聚合，用set自动去重，得到每个账户的所有浏览岗位和发布岗位集合
• row['viewed'].issubset(row['posted'])：判断浏览岗位是否全在发布岗位里，取反后就表示存在至少一个浏览岗位不在发布岗位集合中
• sum()：布尔值求和时，True会被当作1，False当作0，直接得到满足条件的账户数量

内容的提问来源于stack exchange，提问作者Kevin Sun