如何在Pandas中按日期分组统计不同分组数量并生成指定DataFrame？

看起来你需要统计每个日期下不同Groups的唯一数量，而不是简单的行数统计对吧？这里有两种简洁的方法可以实现你的需求：

方法一：直接使用groupby + nunique() #

这是最直接的方式，一步到位：

import pandas as pd

# 你的原始DataFrame
df = pd.DataFrame({
    'Date': ['2017-1-1', '2017-1-1', '2017-1-2', '2017-1-2', '2017-1-3'],
    'Groups': ['one', 'one', 'one', 'two', 'two']
})

# 核心代码：按日期分组，统计每个日期下Groups的唯一值数量
result_df = df.groupby('Date')['Groups'].nunique().reset_index(name='Groups_counts')

print(result_df)

代码解释： #

• groupby('Date')：将数据按Date列分组，把同一天的记录归为一组
• ['Groups'].nunique()：对每个组的Groups列统计唯一值的个数，这正是你需要的“不同Groups的数量”
• reset_index(name='Groups_counts')：将分组后的索引（Date）转为普通列，并把统计结果列命名为Groups_counts

方法二：先去重再统计 #

如果你更习惯分步操作，也可以先去掉同一日期下重复的Groups记录，再统计数量：

import pandas as pd

df = pd.DataFrame({
    'Date': ['2017-1-1', '2017-1-1', '2017-1-2', '2017-1-2', '2017-1-3'],
    'Groups': ['one', 'one', 'one', 'two', 'two']
})

# 第一步：去掉同一Date+Groups的重复记录
unique_records = df.drop_duplicates(subset=['Date', 'Groups'])

# 第二步：按Date分组统计行数（即不同Groups的数量）
result_df = unique_records.groupby('Date').size().reset_index(name='Groups_counts')

print(result_df)

代码解释： #

• drop_duplicates(subset=['Date', 'Groups'])：只保留每个日期下每个Groups的第一条记录，去掉重复项
• groupby('Date').size()：按日期分组后统计每组的行数，此时的行数就是该日期下不同Groups的数量

两种方法最终都会输出你想要的结果：

Date  Groups_counts
0  2017-1-1              1
1  2017-1-2              2
2  2017-1-3              1

内容的提问来源于stack exchange，提问作者ah bon