如何按指定列分组后统计唯一ID数并基于唯一ID计算Activity聚合值？

需求拆解 #

你需要的activity聚合逻辑核心是：先对每个唯一id取其对应的activity最大值（只要该id下存在至少一个activity=1，就计为1，否则为0），再对分组内的这些值求和。对应示例数据：

• 用户1的id=1对应activity最大值1，id=2对应0，总和为1
• 用户2的id=3对应1，id=4对应1（该id下存在activity=1），总和为2

实现代码 #

提供两种高效实现方式：

方式1：先预处理再聚合（性能更优）

先对id去重并保留每个id的最大activity值，再进行分组统计：

# 按usr、gp2、gp3、id分组，提取每个id的最大activity值
id_level_data = df.groupby(['usr', 'gp2', 'gp3', 'id'])['activity'].max().reset_index()
# 按usr、gp2、gp3分组计算最终结果
result = id_level_data.groupby(['usr', 'gp2', 'gp3']).agg(
    id=('id', 'nunique'),
    Activity=('activity', 'sum')
).reset_index()

方式2：自定义聚合函数（直接复用你的原有代码结构）

在你已有的groupby.agg结构中，通过自定义函数实现逻辑：

def calculate_activity(x):
    # 结合当前分组内的id，先取每个id的最大activity，再求和
    return x.groupby(df.loc[x.index, 'id']).max().sum()

# 应用自定义聚合逻辑
result = df.groupby(['usr', 'gp2', 'gp3']).agg(
    id=('id', pd.Series.nunique),
    Activity=('activity', calculate_activity)
).reset_index()

最终输出 #

两种方式都会生成你期望的结果：

usr gp2   gp3  id  Activity
0    1  IN  ASIA   2         1
1    2  IN  ASIA   2         2

内容的提问来源于stack exchange，提问作者ggupta