如何在Python中按组按年份累计计算Type列的唯一值？

给定包含Group、Year、Type列的DataFrame，需要按Group分组，以Year为顺序累计统计截至当前年份的Type列唯一值数量，生成名为Want的新列。

输入DataFrame #

期望输出DataFrame #

规则说明 #

• 同一Group内，每个Year对应的所有行，Want值相同，为从该组最早年份到当前年份的所有Type唯一值总数。
• 不同Group的年份分布独立计算，互不影响。

使用Pandas实现，步骤如下：

1. 提取每个Group内(Year, Type)的唯一组合，避免重复统计同一年份的相同Type；
2. 对每个Group按Year升序排列，计算累计到当前年份的唯一Type集合大小；
3. 将计算结果合并回原DataFrame，匹配对应Group和Year的Want值。

代码实现 #

import pandas as pd

# 构造输入DataFrame（实际使用时可替换为你的数据）
df = pd.DataFrame({
    'Group': ['A','A','A','A','A','A','B','B','B','C','C','C','C','C'],
    'Year': [1998,1998,2002,2005,2008,2008,1998,2001,2003,1996,2002,2002,2012,2012],
    'Type': ['red','blue','red','blue','blue','yello','red','red','red','red','orange','red','blue','yello']
})

# 步骤1：提取每个Group内(Year, Type)的唯一组合，并按Year排序
grouped_unique = df.groupby('Group').apply(
    lambda x: x[['Year', 'Type']].drop_duplicates().sort_values('Year')
).reset_index(drop=True)

# 步骤2：计算每个Group累计到当前年份的唯一Type数量
grouped_unique['cumulative_types'] = grouped_unique.groupby('Group')['Type'].expanding().apply(
    lambda x: set(x)
).reset_index(level=0, drop=True)
grouped_unique['Want'] = grouped_unique['cumulative_types'].str.len()

# 步骤3：合并结果到原DataFrame
result = df.merge(grouped_unique[['Group', 'Year', 'Want']], on=['Group', 'Year'], how='left')

# 查看最终结果
print(result)

代码说明 #

• drop_duplicates()：确保同一年份的同一Type只被统计一次；
• expanding().apply(lambda x: set(x))：对每个Group的Type列进行累计扩展，每次迭代收集到当前位置的所有唯一Type；
• merge()：将计算好的Want值映射回原DataFrame，保证同一Group和Year的所有行有相同的Want值。

内容的提问来源于stack exchange，提问作者leilei