Tổng số gấu trúc khác biệt

Giả sử tôi có nhật ký hoạt động của người dùng và tôi muốn tạo báo cáo về tổng thời lượng và số lượng người dùng duy nhất mỗi ngày.

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]})

Thời lượng tổng hợp khá đơn giản:

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

Những gì tôi muốn làm là tổng hợp thời lượng và đếm bản năng cùng một lúc, nhưng tôi dường như không thể tìm thấy một điểm tương đương cho count_distinct:

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

Điều này hoạt động, nhưng chắc chắn có một cách tốt hơn, không?

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

Tôi nghĩ rằng tôi chỉ cần cung cấp một hàm trả về số lượng các mục riêng biệt của một đối tượng Dòng cho hàm tổng hợp, nhưng tôi không có nhiều khả năng tiếp xúc với các thư viện khác nhau theo ý của mình. Ngoài ra, có vẻ như đối tượng theo nhóm đã biết thông tin này, vì vậy tôi sẽ không cố gắng sao chép?

Làm thế nào về một trong số:

>>> 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

'nunique' là một tùy chọn cho .agg () vì pandas 0.20.0, vì vậy:

df.groupby('date').agg({'duration': 'sum', 'user_id': 'nunique'})

Chỉ cần thêm vào các câu trả lời đã cho, giải pháp sử dụng chuỗi "nunique"có vẻ nhanh hơn nhiều, được thử nghiệm ở đây trên khung dữ liệu ~ 21M hàng, sau đó được nhóm lại thành ~ 2M

%time _=g.agg({"id": lambda x: x.nunique()})
CPU times: user 3min 3s, sys: 2.94 s, total: 3min 6s
Wall time: 3min 20s

%time _=g.agg({"id": pd.Series.nunique})
CPU times: user 3min 2s, sys: 2.44 s, total: 3min 4s
Wall time: 3min 18s

%time _=g.agg({"id": "nunique"})
CPU times: user 14 s, sys: 4.76 s, total: 18.8 s
Wall time: 24.4 s