如何用Pandas实现按Site分组统计Person与Service_Date唯一配对数

问题回顾 #

你已经构造了这样的DataFrame：

import pandas as pd

people = ['shayna','shayna','shayna','shayna','john']
dates = ['01-01-18','01-01-18','01-01-18','01-02-18','01-02-18']
places = ['hospital', 'hospital', 'inpatient', 'hospital', 'hospital']
df = pd.DataFrame({'Person':people,'Service_Date':dates, 'Site_Where_Served':places})

你的需求是按Site_Where_Served分组，统计Person和Service_Date的唯一配对数量，预期得到：

但你之前的代码会分别统计两个字段的唯一值，而不是配对数，这显然不符合预期。

正确解决方案 #

这里提供几种简单高效的实现方式，选你觉得最顺手的就行：

方法1：先去重配对再分组计数（最直观）

思路是先保留Person+Service_Date+Site_Where_Served的唯一组合，再按站点分组统计数量：

# 第一步：去除重复的Person-ServiceDate-Site配对
unique_visits = df.drop_duplicates(subset=['Person', 'Service_Date', 'Site_Where_Served'])
# 第二步：按站点分组，统计每个站点的唯一配对数
result = unique_visits.groupby('Site_Where_Served').size().reset_index(name='Site_Visit_Count')

运行后就能得到你想要的结果，这种方法逻辑清晰，性能也不错，因为提前去重减少了分组时的数据量。

方法2：用groupby+lambda统计去重后的行数

如果你不想提前生成中间表，可以直接在分组时用lambda函数统计每组内去重后的配对数：

result = df.groupby('Site_Where_Served').apply(
    lambda group: group[['Person', 'Service_Date']].drop_duplicates().shape[0]
).reset_index(name='Site_Visit_Count')

这里的lambda函数会对每个分组，先去除Person和Service_Date的重复配对，再用shape[0]获取去重后的行数，也就是我们要的配对数。

方法3：将两列组合成元组后统计唯一值

还可以把Person和Service_Date组合成元组，再统计每个分组内元组的唯一数量：

result = df.groupby('Site_Where_Served').agg(
    Site_Visit_Count=lambda x: x.apply(tuple, axis=1).nunique()
).reset_index()

x.apply(tuple, axis=1)会把每行的Person和Service_Date转成一个元组，nunique()就会统计这个元组的唯一数量，也就是配对数。

为什么你的原代码不行？ #

你之前的代码df[['Person', 'Service_Date']].groupby(df['Site_Where_Served']).nunique()是分别对Person和Service_Date两个字段单独统计唯一值，而不是统计它们的组合配对数。比如hospital分组里，Person有2个唯一值（shayna、john），Service_Date有2个唯一值（01-01-18、01-02-18），但实际的有效配对是3个：(shayna,01-01-18)、(shayna,01-02-18)、(john,01-02-18)，这才是我们需要统计的对象。

内容的提问来源于stack exchange，提问作者Shayna