Pandas如何统计CustomerID对应去重SalesOrderId数量并新增列

需求说明 #

• 现有Pandas DataFrame，需新增列统计每个CustomerId对应的不重复SalesOrderId总数量
• 预期效果：同一客户ID对应的所有行，新列值统一为该客户的去重订单总数，示例数据中所有行的新列值应为3
• 原有错误实现代码如下，运行时触发报错：

data['TotalOrders'] = data.groupby([['CustomerID','SalesOrderID']]).size().reset_index(name='count')

错误原因 #

原有代码存在两处核心问题：

• 分组参数写法错误：groupby内嵌套了两层方括号，相当于把['CustomerID','SalesOrderID']整体作为单个分组键，无法匹配到对应列触发键错误
• 赋值长度不匹配：groupby().size().reset_index()返回的是聚合后的压缩结果，行数和原DataFrame不一致，直接赋值会触发长度不匹配的报错

正确实现代码 #

使用groupby搭配transform方法，可在原表长度维度上返回分组统计结果，结合nunique直接统计去重后的订单数量，代码如下：

data['TotalOrders'] = data.groupby('CustomerID')['SalesOrderID'].transform('nunique')

说明：nunique会自动对分组内的SalesOrderID去重后计数，完全匹配「不重复订单总数」的统计需求，示例数据运行后所有行的TotalOrders列均返回3，符合预期。

备选实现方式 #

如果习惯先聚合再映射的逻辑，也可以用如下写法，效果完全一致：

# 先聚合得到每个客户的去重订单数映射表
customer_order_cnt = data.groupby('CustomerID')['SalesOrderID'].nunique()
# 通过映射给原表赋值
data['TotalOrders'] = data['CustomerID'].map(customer_order_cnt)

内容的提问来源于stack exchange，提问作者Fábio Pires