Pandas实现按分组累计统计唯一日期数（分组中断时重置）

需要在pandas DataFrame中新增一列Daily_Count，实现以下逻辑：

• 按Code和Item的连续序列分组（当Code或Item的连续值被中断时，视为全新分组）
• 对每个分组内的唯一日期进行累计计数，同一日期的所有行对应相同计数值
• 新分组启动时计数从1重新开始

当前尝试代码 #

import pandas as pd

df = pd.DataFrame({"Date":['2023-03-01', '2023-03-01', '2023-03-01', '2023-03-04', '2023-03-06', '2023-03-06', '2023-03-07', '2023-03-08', '2023-03-09','2023-03-01', '2023-03-02', '2023-03-03', '2023-03-03', '2023-03-03','2023-03-03', '2023-03-04', '2023-03-05', '2023-03-06'],
           "Code":['X', 'X', 'X', 'X', 'X', 'X', 'X', 'X', 'X', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y'],    
           "Item":['A', 'A', 'A', 'B', 'B', 'B', 'B', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A'], 
           })
df['Date'] = pd.to_datetime(df['Date'])

df['Daily_Count'] = df.groupby(['Code', 'Item', df['Date'].dt.date]).cumcount()

解决方案 #

当前代码无法识别Code/Item的连续中断，且cumcount()是对组内行数计数，而非对唯一日期累计。以下是符合需求的实现：

import pandas as pd

df = pd.DataFrame({"Date":['2023-03-01', '2023-03-01', '2023-03-01', '2023-03-04', '2023-03-06', '2023-03-06', '2023-03-07', '2023-03-08', '2023-03-09','2023-03-01', '2023-03-02', '2023-03-03', '2023-03-03', '2023-03-03','2023-03-03', '2023-03-04', '2023-03-05', '2023-03-06'],
           "Code":['X', 'X', 'X', 'X', 'X', 'X', 'X', 'X', 'X', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y', 'Y'],    
           "Item":['A', 'A', 'A', 'B', 'B', 'B', 'B', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A'], 
           })
df['Date'] = pd.to_datetime(df['Date'])

# 1. 标记连续的Code+Item分组：只要Code或Item与前一行不同，就视为新分组
df['group_id'] = (df[['Code', 'Item']] != df[['Code', 'Item']].shift()).any(axis=1).cumsum()

# 2. 对每个分组内的唯一日期做密集排名，同一日期得到相同计数
date_rank = df.groupby('group_id')['Date'].rank(method='dense', ascending=True).astype(int)

# 3. 赋值到目标列，清理临时列
df['Daily_Count'] = date_rank
df.drop('group_id', axis=1, inplace=True)

print(df)

代码解释 #

1. 生成连续分组ID：通过对比当前行与前一行的Code和Item，用cumsum()生成连续分组ID，精准识别Code/Item中断后的新分组。
2. 唯一日期累计计数：rank(method='dense')会对每个分组内的日期按顺序排名，同一日期的排名值相同，正好满足累计计数需求。
3. 收尾处理：将排名转为整数后赋值给目标列，删除临时分组ID列。

输出结果 #

Date Code Item  Daily_Count
0  2023-03-01    X    A            1
1  2023-03-01    X    A            1
2  2023-03-01    X    A            1
3  2023-03-04    X    B            1
4  2023-03-06    X    B            2
5  2023-03-06    X    B            2
6  2023-03-07    X    B            3
7  2023-03-08    X    A            1
8  2023-03-09    X    A            2
9  2023-03-01    Y    A            1
10 2023-03-02    Y    A            2
11 2023-03-03    Y    A            3
12 2023-03-03    Y    A            3
13 2023-03-03    Y    A            3
14 2023-03-03    Y    A            3
15 2023-03-04    Y    A            4
16 2023-03-05    Y    A            5
17 2023-03-06    Y    A            6

内容的提问来源于stack exchange，提问作者jonboy