我有一个概念上看起来如下的数据框:
df = pd.DataFrame({
"a": [1, 1, 1, 2, 2,3],
"b": ["a", "a", "c", "a", "d","a"],
"c": ["2", "3", "4", "2", "3","2"]
})
a b c
0 1 'a' '2'
1 1 'a' '3'
2 1 'c' '4'
3 2 'a' '2'
4 2 'd' '3'
5 3 'a' '2'
对于a中的每个组,我需要计算到此处的唯一(b,c)值.
所以在这个例子中,ouptut应该是[3,4,4].
(因为在组1中有3个唯一的(b,c)对,并且在组1和组2*有4个唯一的(b,c)值,并且在组1和2和3中一起也只有4个唯一( b,c)值.
我尝试使用扩展与groupby和nunique,但我无法弄清楚语法.
任何帮助将不胜感激!
解决方法:
这是一个棘手的问题.这就是你追求的吗?
result = (
df.a.drop_duplicates(keep='last')
.reset_index()['index']
.apply(lambda x: df.loc[df.index<=x].pipe(lambda x: (x.b+x.c).nunique()))
)
result
Out[27]:
0 3
1 4
Name: index, dtype: int64