Python中按另一列分组统计唯一ID数量并生成新列

需求说明 #

统计数据集中每个Reporting ID对应的唯一ID数量，生成新列Reporting Count，规则为：

• 仅当当前行的ID等于某个Reporting ID时，Reporting Count显示该Reporting ID对应的唯一ID总数
• 其余行的Reporting Count显示0
• 对于Reporting ID为空的行，Reporting Count显示该行ID作为Reporting ID时的计数

样本数据 #

ID     Reporting ID 
 101         103
 102         103
 103         107
 104         103 
 105         107 
 106         103 
 107         110
 108         103
 109         110 
 110          

期望输出 #

ID      Reporting ID     Reporting Count 
 101          103               0
 102          103               0
 103          107               5
 104          103               0
 105          107               0
 106          103               0
 107          110               2
 108          103               0
 109          110               0
 110                            2

尝试过的代码 #

df['Reporting Count'] = df.groupby('Reporting ID')['ID'].nunique()

问题分析 #

你当前的代码直接将分组统计结果赋值给新列，由于分组后的索引是Reporting ID，和原DataFrame的行索引不匹配，会导致大部分行的Reporting Count值为NaN，同时未实现需求中的条件显示逻辑。

解决方案 #

通过生成计数映射字典 + 条件赋值实现：

1. 预处理数据并生成计数映射：

import pandas as pd
import numpy as np

# 将空字符串转为pd.NA，统一处理空值
df['Reporting ID'] = df['Reporting ID'].replace('', pd.NA)

# 统计每个Reporting ID对应的唯一ID数量，转为字典
count_map = df.groupby('Reporting ID')['ID'].nunique().to_dict()
# 补充空Reporting ID对应的计数：ID110作为Reporting ID时的计数是2
count_map[pd.NA] = count_map.get(110, 0)

2. 条件生成目标列：

# 判断当前行ID是否是某个Reporting ID，是则取对应计数，否则设为0
df['Reporting Count'] = np.where(df['ID'].isin(count_map.keys()), df['ID'].map(count_map), 0)

运行后即可得到符合期望的输出。

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