python – 熊猫聚集计数不同

假设我有一个用户活动记录,我想生成一个总持续时间和每天唯一身份用户数量的报告。

import numpy as np
import pandas as pd
df = pd.DataFrame({'date': ['2013-04-01','2013-04-01','2013-04-01','2013-04-02', '2013-04-02'],
    'user_id': ['0001', '0001', '0002', '0002', '0002'],
    'duration': [30, 15, 20, 15, 30]})

聚合持续时间非常简单:

group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg
            duration
date
2013-04-01        65
2013-04-02        45

我想做的是同时总计持续时间和计数distincts,但我似乎找不到一个等价于count_distinct:

agg = group.aggregate({ 'duration': np.sum, 'user_id': count_distinct})

这工作,但肯定有一个更好的方式,不是?

group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg['uv'] = df.groupby('date').user_id.nunique()
agg
            duration  uv
date
2013-04-01        65   2
2013-04-02        45   1

我想我只需要提供一个函数,返回一个系列对象的不同项目的数量到聚合函数,但我没有很多暴露我的各种图书馆。此外,看来groupby对象已经知道这个信息,所以我不会只是重复的努力?

如何:

>>> df
         date  duration user_id
0  2013-04-01        30    0001
1  2013-04-01        15    0001
2  2013-04-01        20    0002
3  2013-04-02        15    0002
4  2013-04-02        30    0002
>>> df.groupby("date").agg({"duration": np.sum, "user_id": pd.Series.nunique})
            duration  user_id
date                         
2013-04-01        65        2
2013-04-02        45        1
>>> df.groupby("date").agg({"duration": np.sum, "user_id": lambda x: x.nunique()})
            duration  user_id
date                         
2013-04-01        65        2
2013-04-02        45        1
http://stackoverflow.com/questions/18554920/pandas-aggregate-count-distinct

本站文章除注明转载外,均为本站原创或编译
转载请明显位置注明出处:python – 熊猫聚集计数不同