如何使用DuckDB关系型API实现n_unique（去重计数）聚合操作？

嘿，我刚好碰到过类似的情况！你已经把DuckDB的Relational API玩得有模有样了——按a分组求b的均值那部分写得完全正确，现在想实现去重计数（n_unique）却卡壳了，对吧？

问题根源 #

你之前尝试用duckdb.FunctionExpression('count_distinct', ...)是因为误解了函数名——DuckDB里并没有单独的count_distinct函数，正确的去重计数是基于内置的count函数，加上去重标记来实现的。

两种适配你习惯的解决方案 #

先回顾你创建的基础关系数据：

import duckdb

rel = duckdb.sql('select * from values (1, 4), (1, 5), (2, 6) df(a, b)')

方法1：用SQL风格的聚合字符串（最简洁省心）

Relational API支持直接传入SQL风格的聚合表达式字符串，和你写原生SQL的逻辑完全一致：

result = rel.aggregate(
    ['count(DISTINCT b) AS n_unique_b'],  # 直接写去重计数逻辑，还能给列改名
    group_expr='a'
)

print(result)

输出结果（格式正常，无乱码）：

┌───────┬────────────┐
│   a   │ n_unique_b │
│ int32 │    int64   │
├───────┼────────────┤
│     1 │          2 │
│     2 │          1 │
└───────┴────────────┘

方法2：用FunctionExpression的正确写法（匹配你之前的编码习惯）

如果你更倾向于用API的表达式对象写法，只需要给FunctionExpression加上distinct=True参数即可：

result = rel.aggregate(
    [
        duckdb.FunctionExpression(
            'count', 
            duckdb.ColumnExpression('b'), 
            distinct=True  # 关键：开启去重计数的核心参数
        ).alias('n_unique_b')  # 可选：给结果列起直观的名字
    ],
    group_expr='a'
)

print(result)

这个写法的输出和方法1完全一致。

额外备选：直接用SQL查询 #

如果你觉得写原生SQL更顺手，也可以用rel.sql()直接执行分组去重计数：

result = rel.sql('SELECT a, count(DISTINCT b) AS n_unique_b FROM df GROUP BY a')

备注：内容来源于stack exchange，提问作者ignoring_gravity