使用pandas groupby统计各事件分组下的唯一年份数量

实现代码 #

直接用groupby搭配transform即可实现，不需要额外做表拼接：

import pandas as pd

# 构建原始数据集
df = pd.DataFrame({
    "CompanyEvents": ["Event1", "Event1", "Event1", "Event1", "Event1", "Event2", "Event2", "Event2", "Event3"],
    "StartDate:year": [2013, 2013, 2013, 2014, 2015, 2013, 2013, 2015, 2011]
})

# 按CompanyEvents分组，统计每组内年份的去重数量，结果广播到组内每一行
df["Unique Year Count"] = df.groupby("CompanyEvents")["StartDate:year"].transform("nunique")

# 重命名年份列，匹配目标输出格式
df = df.rename(columns={"StartDate:year": "Year"})

输出结果 #

运行代码后打印df即可得到你需要的结果：

CompanyEvents  Year  Unique Year Count
0        Event1  2013                  3
1        Event1  2013                  3
2        Event1  2013                  3
3        Event1  2014                  3
4        Event1  2015                  3
5        Event2  2013                  2
6        Event2  2013                  2
7        Event2  2015                  2
8        Event3  2011                  1

实现说明 #

• 这里不用普通的groupby().agg()是因为聚合操作会把结果压缩为每个分组1行，和原表行数不匹配
• transform会保留原表的行索引结构，把每个分组的统计值填充到组内所有对应行，正好满足同组所有行计数值一致的需求
• nunique是pandas内置的去重计数函数，直接统计序列内的唯一值数量，不需要额外写取唯一值再算长度的冗余逻辑

内容的提问来源于stack exchange，提问作者Prime coder