嵌套字典实现按ID统计唯一产品数量

这思路完全靠谱！用双层字典来追踪每个ID对应的唯一产品，逻辑清晰又容易落地，我来帮你把这个想法细化成具体步骤和代码：

核心逻辑拆解 #

• 主字典：键为DA列的ID，值是一个子字典（子字典的键为CB列的产品，值只需占位即可，比如True，我们只需要利用字典键的唯一性来自动去重）
• 遍历所有数据行，逐个把ID和产品对应到字典结构里
• 最后通过子字典的长度，就能得到每个ID对应的唯一产品数量，再把这个数值填充到新的DB列中

代码实现（以Python处理DataFrame为例） #

方式一：双层字典（贴合你的原始思路） #

import pandas as pd

# 模拟你的数据，实际替换成你的数据集即可
df = pd.DataFrame({
    'DA': ['ID001', 'ID001', 'ID002', 'ID002', 'ID003', 'ID003', 'ID003'],
    'CB': ['ProductX', 'ProductX', 'ProductY', 'ProductZ', 'ProductX', 'ProductY', 'ProductX']
})

# 初始化主字典
id_product_map = {}

# 遍历每一行构建字典结构
for _, row in df.iterrows():
    current_id = row['DA']
    current_product = row['CB']
    
    # 如果ID不在主字典里，新建一个空的子字典
    if current_id not in id_product_map:
        id_product_map[current_id] = {}
    # 将产品作为子字典的键加入（自动去重）
    id_product_map[current_id][current_product] = True

# 给DB列赋值：根据ID查对应子字典的长度
df['DB'] = df['DA'].apply(lambda x: len(id_product_map[x]))

print(df)

方式二：用集合简化（更简洁，本质逻辑一致） #

如果不想用双层字典，也可以用集合来存储每个ID对应的产品（集合天然去重），代码更简短：

import pandas as pd

df = pd.DataFrame({
    'DA': ['ID001', 'ID001', 'ID002', 'ID002', 'ID003', 'ID003', 'ID003'],
    'CB': ['ProductX', 'ProductX', 'ProductY', 'ProductZ', 'ProductX', 'ProductY', 'ProductX']
})

id_product_set = {}
for _, row in df.iterrows():
    current_id = row['DA']
    current_product = row['CB']
    
    if current_id not in id_product_set:
        id_product_set[current_id] = set()
    id_product_set[current_id].add(current_product)

df['DB'] = df['DA'].map(lambda x: len(id_product_set[x]))

print(df)

输出效果 #

运行后DB列会自动填充每个ID对应的唯一产品数：

内容的提问来源于stack exchange，提问作者RugsKid