如何便捷统计按B列分组后A列唯一值的累计数量？

嘿，这个需求我刚好处理过，用Python的Pandas库就能轻松搞定，下面给你两种实用的方案，完美匹配你给出的预期结果：

方案一：直观遍历法（易理解，适合新手） #

这种方法逻辑清晰，一步步维护一个集合来记录已经出现过的A列唯一值，然后按B列的唯一取值顺序累计统计数量：

代码示例 #

import pandas as pd

# 构造匹配预期结果的示例数据
data = {
    'A': [1, 1, 2, 3, 3, 4],
    'B': ['a', 'a', 'b', 'c', 'c', 'c']
}
df = pd.DataFrame(data)

# 获取B列的唯一值（按首次出现顺序）
unique_b_values = df['B'].unique()

# 初始化集合存储已出现的A唯一值，以及结果列表
seen_a = set()
result_list = []

# 遍历每个B的唯一值，累计统计
for b_val in unique_b_values:
    # 获取当前B对应的所有A唯一值
    current_a_unique = df[df['B'] == b_val]['A'].unique()
    # 将当前A唯一值加入全局集合
    seen_a.update(current_a_unique)
    # 记录当前B对应的累计唯一值数量
    result_list.append({'B': b_val, 'nunique': len(seen_a)})

# 转换为结果DataFrame
result_df = pd.DataFrame(result_list)
print(result_df)

输出结果 #

B  nunique
0  a        1
1  b        2
2  c        4

方案二：Pandas进阶法（更高效，适合大数据集） #

如果你的数据量很大，上面的遍历法可能稍慢，用Pandas的去重、分组和迭代结合的方式更高效：

代码示例 #

import pandas as pd

data = {
    'A': [1, 1, 2, 3, 3, 4],
    'B': ['a', 'a', 'b', 'c', 'c', 'c']
}
df = pd.DataFrame(data)

# 第一步：先去除A-B的重复组合（避免同一个A在同一个B里重复统计）
df_unique = df.drop_duplicates(subset=['A', 'B'])

# 第二步：给B列的每个唯一值标记出现顺序
df_unique['b_order'] = df_unique['B'].factorize()[0]

# 第三步：按B的出现顺序迭代，累计统计A的唯一值数量
seen_a = set()
cumulative_counts = []
for _, row in df_unique.sort_values('b_order').iterrows():
    seen_a.add(row['A'])
    cumulative_counts.append(len(seen_a))

df_unique['nunique'] = cumulative_counts

# 第四步：按B分组取最后一条记录（得到每个B对应的累计数量）
result_df = df_unique.groupby('B').last()[['nunique']].reset_index()
print(result_df)

输出结果和方案一完全一致，但处理大数据时性能更优。 #

关键逻辑说明 #

两种方案的核心都是：

• 按B列首次出现的顺序处理每个B的取值
• 维护一个全局集合来记录所有已经出现过的A列唯一值，避免重复统计
• 每处理完一个B的取值，就记录当前集合的大小，也就是到该B为止的累计唯一值数量

内容的提问来源于stack exchange，提问作者BirdLaw