Pandas按subject_id和3M频率分组后仅返回Prod_id聚合值的方法

原始数据与需求 #

原始DataFrame代码 #

import pandas as pd
df = pd.DataFrame({'subject_id':[1,1,1,1,1,1,1,2,2,2,2,2],
                   'time_1' :['2017-04-03 12:35:00','2017-04-03 12:50:00','2018-04-05 12:59:00','2018-05-04 13:14:00','2017-05-05 13:37:00','2018-07-06 13:39:00','2018-07-08 11:30:00','2017-04-08 16:00:00','2019-04-09 22:00:00','2019-04-11 04:00:00','2018-04-13 04:30:00','2017-04-14 08:00:00'],
                   'val' :[5,5,5,5,1,6,5,5,8,3,4,6],
                   'Prod_id':['A','B','C','A','E','Q','G','F','G','H','J','A']})
df['time_1'] = pd.to_datetime(df['time_1'])

需求 #

• a) 按subject_id和time_1（按3个月频率freq='3M'）分组
• b) 仅返回Prod_id列的去重计数值，并且去除分组索引

用户尝试的错误代码 #

第一次尝试（返回了分组列作为索引）：

df.groupby(['subject_id',pd.Grouper(key='time_1', freq='3M')])['Prod_id'].nunique()

第二次尝试（语法错误，as_index=False位置错误）：

df.groupby(['subject_id',pd.Grouper(key='time_1', freq='3M'),as_index=False])['Prod_id'].nunique()

预期输出 #

uniq_prod_cnt
0              2
1              1
2              1
3              3
4              2
5              1
6              2

正确解决方案 #

问题出在as_index=False的参数位置：它是groupby()的参数，不能放在分组列的列表中。正确代码如下：

方法一：分步实现 #

# 分组聚合，设置as_index=False避免分组列为索引
agg_result = df.groupby(
    ['subject_id', pd.Grouper(key='time_1', freq='3M')],
    as_index=False
)['Prod_id'].nunique()

# 仅保留聚合结果列，并重命名为预期列名
final_output = agg_result.rename(columns={'Prod_id': 'uniq_prod_cnt'})[['uniq_prod_cnt']]

print(final_output)

方法二：链式调用简化 #

final_output = df.groupby(
    ['subject_id', pd.Grouper(key='time_1', freq='3M')],
    as_index=False
)['Prod_id'].nunique().rename(columns={'Prod_id': 'uniq_prod_cnt'})[['uniq_prod_cnt']]

执行后即可得到仅包含uniq_prod_cnt列的结果，且无分组索引。

内容的提问来源于stack exchange，提问作者The Great