如何按publid、clusterid、issuedate、operdate分组统计唯一inn值数量

SQL实现 #

使用窗口函数即可在保留所有原始行的前提下，统计指定分组内的去重inn值数量，示例代码如下（将your_table替换为你的实际表名）：

SELECT 
    inn,
    publid,
    clusterid,
    issuedate,
    operdate,
    COUNT(DISTINCT inn) OVER (
        PARTITION BY publid, clusterid, issuedate, operdate
    ) AS `count`
FROM your_table;

Python Pandas实现 #

如果是用Pandas处理数据框，可通过分组+transform实现：

import pandas as pd

# df为你的原始数据框
df['count'] = df.groupby(['publid', 'clusterid', 'issuedate', 'operdate'])['inn'].transform('nunique')

以上两种实现的输出结果和你给出的预期结果完全匹配：当四个分组字段取值相同时，所有同组行的count值都等于该组内唯一inn的数量。

内容的提问来源于stack exchange，提问作者lisam