如何为时间序列数据按日期与product_code分组新增store_locations列？

要实现新增store_locations列，统计同一日期下单个商品的售卖门店总数，你需要调整分组维度，同时确保计算结果能映射回原DataFrame的每一行。

问题分析 #

你原代码的问题在于第二次分组时仅按product_code（level=2）统计，完全忽略了date维度，所以得到的是每个商品在所有日期的总门店数，而非单日数据。

正确实现方式 #

方法一：使用groupby + transform（推荐）

这种方法最简洁，transform会自动把分组计算的结果广播到原DataFrame的对应行：

df['store_locations'] = df.groupby(['date', 'product_code'])['store_location'].transform('nunique')

• 按date和product_code组合分组，确保统计的是单日单商品的维度
• nunique()用于计算每组内store_location的唯一值数量，也就是售卖门店数
• transform保证每一行都能获取到对应分组的统计结果，完美匹配目标格式

方法二：先去重再合并

如果需要更直观的分步操作，也可以先去重再计数，最后合并回原表：

# 先去除同一日期、商品、门店的重复记录
unique_records = df.drop_duplicates(['date', 'product_code', 'store_location'])
# 按日期和商品分组，统计门店数量
store_counts = unique_records.groupby(['date', 'product_code']).size().rename('store_locations')
# 将统计结果合并回原DataFrame
df = df.merge(store_counts, on=['date', 'product_code'], how='left')

两种方法都能得到你想要的目标效果：

内容的提问来源于stack exchange，提问作者jayboog321