Python分组统计唯一值并保存至新列的问题排查与实现

问题分析 #

使用transform('nunique')得到全NaN，大概率是因为分组列（A、B）中存在缺失值（NaN）——pandas的groupby默认会排除包含NaN的分组，导致这部分行无法匹配到统计结果，最终填充为NaN。而直接调用nunique()时，默认也不会显示包含NaN的分组，所以你能看到的是有效分组的统计值。

可行解决方案 #

方案1：处理分组列的缺失值（推荐） #

如果分组列的NaN是无效数据，先清理缺失值：

# 删除A/B列含NaN的行
df_clean = df.dropna(subset=["A", "B"])
# 生成counts列
df_clean['counts'] = df_clean.groupby(["A","B"])["C"].transform('nunique')

如果NaN是有意义的（比如代表"未知"分组），可以先填充标识值：

# 将A/B列的NaN替换为"Unknown"
df[["A", "B"]] = df[["A", "B"]].fillna("Unknown")
df['counts'] = df.groupby(["A","B"])["C"].transform('nunique')

方案2：用merge关联统计结果 #

如果不想处理缺失值，可以先生成带列名的统计结果，再合并回原表：

# 统计并设置列名
group_counts = df.groupby(["A","B"])["C"].nunique().reset_index(name='counts')
# 合并回原表，保留所有行（含分组列有NaN的行）
df = df.merge(group_counts, on=["A","B"], how='left')

这种方式会把原表中无法匹配分组的行的counts设为NaN，你可根据需求后续处理这些值。

方案3：升级pandas版本（针对旧版本bug） #

如果你的pandas版本低于1.3.0，transform('nunique')可能存在兼容性问题，升级到最新稳定版即可解决：

pip install --upgrade pandas

后续排名操作示例 #

生成counts列后，按组对唯一值数量排名可参考以下代码：

# 按A、B分组，对counts列降序排名（相同值取相同排名）
df['rank'] = df.groupby(["A","B"])['counts'].rank(method='dense', ascending=False)

内容的提问来源于stack exchange，提问作者Allison