Pandas - 滚动累计不同值的计数

Question

我有一个如下的数据框：

df = pd.DataFrame({
         'date': ['01/01/2020', '01/01/2020', '01/01/2020', '02/01/2020', '02/01/2020', '03/01/2020', '03/01/2020'],
         'id': [101, 102, 103, 101, 104, 105, 106]
})

输出：

         date   id
0  01/01/2020  101
1  01/01/2020  102
2  01/01/2020  103
3  02/01/2020  101
4  02/01/2020  104
5  03/01/2020  105
6  03/01/2020  106

我需要累计不同值的数量，如下所示：

        date   id
0  01/01/2020  3
1  02/01/2020  4
2  03/01/2020  6

我尝试过像 df.groupby(['date']).nunique() 这样的方法，但显然不正确，因为它给出了每个日期的唯一计数，而我需要的是滚动的唯一计数。

- dataplankton

Answer 1

我认为首先需要通过DataFrame.drop_duplicates按id删除重复项，然后通过GroupBy.size获取各个date的计数，并使用Series.cumsum添加累积和：

df = df.drop_duplicates('id').groupby('date').size().cumsum().reset_index(name='id')
print (df)
         date  id
0  01/01/2020   3
1  02/01/2020   4
2  03/01/2020   6

- jezrael

---

太好了，非常感谢！我没有考虑先删除重复项。 - dataplankton

Answer 2

或者我们可以使用 DataFrame.duplicated：

(~df.duplicated('id')).groupby(df['date']).sum().cumsum().rename('id').reset_index()

         date   id
0  01/01/2020  3.0
1  02/01/2020  4.0
2  03/01/2020  6.0

- ansev

---

感谢您提供了另一种解决方案。 - dataplankton