如何基于dia和momento字段统计各位置的用户数量？

你可以直接利用Pandas的groupby功能实现需求，不需要嵌套循环，代码简洁且高效：

核心思路 #

按**日期（dia）、时段（momento）、纬度（Latitude）、经度（Longitude）**四个维度分组，统计每组内的唯一用户数量（避免同一用户重复计数），最后转换为你需要的列表格式。

代码实现 #

假设你的DataFrame名为df，代码如下：

# 分组统计：按日期、时段、经纬度分组，计算每组唯一用户数
grouped_df = df.groupby(['dia', 'momento', 'Latitude', 'Longitude'])['nome'].nunique().reset_index(name='用户数')

# 转换为[纬度, 经度, 用户数]的列表格式
result_list = grouped_df[['Latitude', 'Longitude', '用户数']].values.tolist()

# （可选）如果需要保留日期和时段信息，可生成带时间维度的列表
# result_with_time = grouped_df[['dia', 'momento', 'Latitude', 'Longitude', '用户数']].values.tolist()

代码说明 #

• groupby(['dia', 'momento', 'Latitude', 'Longitude'])：确保我们在同一天的同一15分钟时段、同一地理位置下统计用户数，完全匹配你的需求场景。
• ['nome'].nunique()：统计每组内的唯一用户数量，对应示例中“DCF有2个用户（bruno和thiago）”的统计逻辑；如果你的需求是统计连接次数而非用户数，可替换为count()。
• reset_index(name='用户数')：将分组后的结果转换为普通DataFrame，并给统计列命名。
• values.tolist()：将DataFrame的指定列转换为嵌套列表格式，符合你的输出要求。

为什么嵌套循环容易失败？ #

嵌套循环需要手动处理分组逻辑、去重判断等细节，不仅代码冗余，还容易出现日期/时段匹配错误、重复计数等问题，而Pandas的groupby是专门为这类分组统计场景设计的API，底层优化过效率，逻辑也更清晰。

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