Pandas按Data1、Data2分组 仅统计State为On的Data3唯一值计数

核心逻辑 #

你的需求本质是：

• 分组维度仅保留Data1、Data2两个字段
• 分组内的统计规则：仅筛选State == 'On'的条目，计算这些条目中Data3的去重值数量
• 计算结果需要回填到分组下的每一行，不管行本身的State取值是什么

正确代码实现 #

写法1（简洁高效，适合常规统计） #

import pandas as pd

df = pd.DataFrame({'Data1' : ['A', 'A', 'A', 'B', 'B', 'B'], 
                   'Data2' : [100, 100, 200, 100, 100, 100],
                   'Data3' : [1, 2, 3, 1, 1, 1],
                   'State' : ['On', 'On', 'Off', 'Off', 'On', 'On']})

# 对非On状态的行，将Data3值置为NaN
masked_col = df['Data3'].where(df['State'] == 'On')
# 按要求分组，自动跳过NaN做唯一值计数
df['Count'] = masked_col.groupby([df['Data1'], df['Data2']]).transform('nunique')

• 实现原理：pandas的nunique方法会自动忽略空值，刚好对应“仅统计State为On条目”的规则，不需要额外写过滤分支
• 执行效率高，对百万行级别的大表性能表现远好于逐行自定义逻辑

写法2（灵活可扩展，适合复杂统计） #

如果后续统计逻辑需要调整，可以用自定义函数的形式实现：

df['Count'] = df.groupby(['Data1', 'Data2'])['Data3'].transform(
    lambda group_series: group_series[df.loc[group_series.index, 'State'] == 'On'].nunique()
)

结果校验 #

代码执行后输出的DataFrame和你预期的结果完全一致：

原代码问题说明 #

你之前写的代码错误将State纳入分组键，相当于把同组内State不同的行拆成独立分组计算nunique，完全偏离了“按Data1、Data2划分大组、组内仅统计On条目”的逻辑。

内容的提问来源于stack exchange，提问作者mike_gundy123