Предположим, у меня есть журнал активности пользователя, и я хочу сгенерировать отчет общей продолжительности и количества уникальных пользователей в день.Pandas aggregate count distinct
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]})
Агрегирование длительности довольно прост:
group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg
duration
date
2013-04-01 65
2013-04-02 45
То, что я хотел бы сделать, это сумма продолжительности и подсчитывать distincts в то же самое время, но я не могу найти эквивалент для count_distinct:
agg = group.aggregate({ 'duration': np.sum, 'user_id': count_distinct})
Это работает, но, безусловно, есть лучший способ, нет?
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
Я думаю, мне просто нужно, чтобы обеспечить функцию, которая возвращает количество различных элементов объекта серии к агрегатной функции, но у меня нет много воздействия различных библиотек на моем удаление. Кроме того, кажется, что объект groupby уже знает эту информацию, так что я бы просто не дублировал усилия?
Вот так. pd.Series.nunique - это то, чего я не смог найти, ну, не мог нормально работать. Довольно очевидно, оглядываясь назад. Благодаря! – dave
Этот ответ устарел. Теперь вы можете использовать 'nunique' напрямую. См. Решение @Blodwyn Pig ниже –