groupby中两个函数之间的区别[重复]

Question

我在学习一些函数时遇到了这些：

df.groupby("date").agg("user_id": pd.Series.nunique)

和

df.groupby("date")["user_id"].transform('count')

我想了解和了解以上两种说法的区别。

谢谢！

Answer 1

检查：

df = pd.DataFrame({
        'date':['2019-01-01', '2019-01-01', '2019-01-01', 
                '2019-01-02', '2019-01-02', '2019-01-02'],
         'user_id':[np.nan,4,4,5,5,4],

})

print (df)
         date  user_id
0  2019-01-01      NaN
1  2019-01-01      4.0
2  2019-01-01      4.0
3  2019-01-02      5.0
4  2019-01-02      5.0
5  2019-01-02      4.0

这里的第一个区别是使用聚合，通过一些聚合函数减少行。这里使用Series.nunique 计算唯一值的个数，省略缺失值，因此第一组获取1，第二组获取2：

print (df.groupby("date").agg({"user_id": pd.Series.nunique}))
            user_id
date               
2019-01-01      1.0
2019-01-02      2.0

如果使用DataFrameGroupBy.nunique 也是计数missinf 值，如唯一值：

print (df.groupby("date")["user_id"].nunique())
date
2019-01-01    2
2019-01-02    2
Name: user_id, dtype: int64

看起来像错误，因为：

print (df.groupby("date")["user_id"].nunique(dropna=True))
date
2019-01-01    2
2019-01-02    2
Name: user_id, dtype: int64

print (df.groupby("date")["user_id"].nunique(dropna=False))
date
2019-01-01    2
2019-01-02    2
Name: user_id, dtype: int64

如果使用GroupBy.transform，则应用聚合函数，但不会减少行，但相同组会重复相同的值，因此获得与原始长度相同的新Series。

还有GroupBy.count id 用于计算排除缺失值的值的数量，因此第一组获取2，第二组获取3，因为没有缺失值：

print (df.groupby("date")["user_id"].transform('count'))
0    2
1    2
2    2
3    3
4    3
5    3
Name: user_id, dtype: int64