Pandas按分组累计统计唯一(b,c)键值对数量的实现求助

先还原你的数据场景，你的DataFrame定义如下：

import pandas as pd
df = pd.DataFrame({ 
    "a": [1, 1, 1, 2, 2,3], 
    "b": ["a", "a", "c", "a", "d","a"], 
    "c": ["2", "3", "4", "2", "3","2"] 
})

对应的表格：

你的需求很明确：针对a的每个分组，统计截至当前分组的所有唯一(b,c)键值对数量，预期输出[3,4,4]——分组1有3个唯一对，分组1+2合计4个，加上分组3后没有新增唯一对，所以还是4个。

你尝试用groupby+expanding+nunique没成功，其实不用这么复杂，这里给你两种简单易懂的实现方式：

方法一：基于标记累加（Pandas原生操作） #

这种方法利用Pandas的重复值标记和分组累加功能，代码简洁高效：

# 第一步：标记每个(b,c)对是否是首次出现（True表示首次）
df['is_unique'] = ~df[['b', 'c']].duplicated()

# 第二步：按a分组累计求和，再取每个分组的最后一个值（即截至该分组的累计唯一数）
result = df.groupby('a')['is_unique'].cumsum().groupby(df['a']).last().tolist()

print(result)  # 输出: [3, 4, 4]

步骤解释： #

• ~df[['b','c']].duplicated()：duplicated()会返回每行是否是重复的(b,c)对（True=重复），取反后is_unique列就标记了每个(b,c)对的首次出现行。
• groupby('a')['is_unique'].cumsum()：按a分组后，对is_unique做累加，这样每行的值就是截至当前行的累计唯一(b,c)数量。
• .groupby(df['a']).last()：每个a分组的最后一行对应的累加值，就是截至该分组的总唯一数，最后转成列表就是你要的结果。

方法二：集合遍历法（直观易理解） #

如果你更喜欢逻辑清晰的方式，可以用集合自动去重的特性，遍历每个分组逐步统计：

# 初始化空集合存储唯一(b,c)对
unique_pairs = set()
result = []

# 遍历每个a的分组
for _, group_data in df.groupby('a'):
    # 将当前分组的所有(b,c)对加入集合（集合自动去重）
    unique_pairs.update(zip(group_data['b'], group_data['c']))
    # 记录当前集合的大小（即截至当前分组的累计唯一数）
    result.append(len(unique_pairs))

print(result)  # 输出: [3, 4, 4]

这种方法逻辑非常直观：每处理一个a的分组，就把该组所有(b,c)对加入集合，集合会自动忽略已经存在的对，然后每次记录集合的长度，就是截至当前分组的累计唯一数量。

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