Tôi đang sử dụng gấu trúc làm công cụ thay thế db vì tôi có nhiều cơ sở dữ liệu (oracle, mssql, v.v.) và tôi không thể tạo một chuỗi các lệnh thành tương đương SQL.

Tôi có một bảng được tải trong DataFrame với một số cột:

YEARMONTH, CLIENTCODE, SIZE, .... etc etc

Trong SQL, để đếm số lượng khách hàng khác nhau mỗi năm sẽ là:

SELECT count(distinct CLIENTCODE) FROM table GROUP BY YEARMONTH;

Và kết quả sẽ là

201301    5000
201302    13245

Làm thế nào tôi có thể làm điều đó trong gấu trúc?

Tôi tin rằng đây là những gì bạn muốn:

table.groupby('YEARMONTH').CLIENTCODE.nunique()

Thí dụ:

In [2]: table
Out[2]: 
   CLIENTCODE  YEARMONTH
0           1     201301
1           1     201301
2           2     201301
3           1     201302
4           2     201302
5           2     201302
6           3     201302

In [3]: table.groupby('YEARMONTH').CLIENTCODE.nunique()
Out[3]: 
YEARMONTH
201301       2
201302       3

Đây là một phương pháp khác, rất đơn giản, giả sử tên khung dữ liệu của bạn là daatvà tên cột làYEARMONTH

daat.YEARMONTH.value_counts()

Thật thú vị, rất thường len(unique())là nhanh hơn một vài lần (3x-15x) nunique().

Sử dụng crosstab, điều này sẽ trả lại nhiều thông tin hơngroupby nunique

pd.crosstab(df.YEARMONTH,df.CLIENTCODE)
Out[196]: 
CLIENTCODE  1  2  3
YEARMONTH          
201301      2  1  0
201302      1  2  1

Sau một chút sửa đổi, mang lại kết quả

pd.crosstab(df.YEARMONTH,df.CLIENTCODE).ne(0).sum(1)
Out[197]: 
YEARMONTH
201301    2
201302    3
dtype: int64

Tôi cũng đang sử dụng nuniquenhưng nó sẽ rất hữu ích nếu bạn phải sử dụng hàm tổng hợp như 'min', 'max', 'count' or 'mean'v.v.

df.groupby('YEARMONTH')['CLIENTCODE'].transform('nunique') #count(distinct)
df.groupby('YEARMONTH')['CLIENTCODE'].transform('min')     #min
df.groupby('YEARMONTH')['CLIENTCODE'].transform('max')     #max
df.groupby('YEARMONTH')['CLIENTCODE'].transform('mean')    #average
df.groupby('YEARMONTH')['CLIENTCODE'].transform('count')   #count

Với phiên bản gấu trúc mới, thật dễ dàng để có được dưới dạng dataframe

unique_count = pd.groupby(['YEARMONTH'], as_index=False).agg(uniq_CLIENTCODE =('CLIENTCODE',pd.Series.count))

Đây là một cách tiếp cận để đếm khác biệt trên nhiều cột. Chúng ta hãy có một số dữ liệu:

data = {'CLIENT_CODE':[1,1,2,1,2,2,3],
        'YEAR_MONTH':[201301,201301,201301,201302,201302,201302,201302],
        'PRODUCT_CODE': [100,150,220,400,50,80,100]
       }
table = pd.DataFrame(data)
table

CLIENT_CODE YEAR_MONTH  PRODUCT_CODE
0   1       201301      100
1   1       201301      150
2   2       201301      220
3   1       201302      400
4   2       201302      50
5   2       201302      80
6   3       201302      100

Bây giờ, hãy liệt kê các cột quan tâm và sử dụng nhóm theo cú pháp được sửa đổi một chút:

columns = ['YEAR_MONTH', 'PRODUCT_CODE']
table[columns].groupby(table['CLIENT_CODE']).nunique()

Chúng tôi đạt được:

YEAR_MONTH  PRODUCT_CODE CLIENT_CODE        
1           2            3
2           2            3
3           1            1

Phân biệt cột cùng với tập hợp trên các cột khác

Để có được số lượng giá trị riêng biệt cho bất kỳ cột nào ( CLIENTCODEtrong trường hợp của bạn), chúng tôi có thể sử dụng nunique. Chúng ta có thể chuyển đầu vào dưới dạng từ điển trong aggchức năng, cùng với các tập hợp trên các cột khác:

grp_df = df.groupby('YEARMONTH').agg({'CLIENTCODE': ['nunique'],
                                      'other_col_1': ['sum', 'count']})

# to flatten the multi-level columns
grp_df.columns = ["_".join(col).strip() for col in grp_df.columns.values]

# if you wish to reset the index
grp_df.reset_index(inplace=True)