熊猫：按组计算唯一的日期时间值会给出奇怪的值

Question

所以我得到了这个 DataFrame，它的构建方式使得对于列 id 等于 2，我们在列 num 和 my_date 中有两个不同的值：

import pandas as pd

a = pd.DataFrame({'id': [1, 2, 3, 2], 
                  'my_date': [datetime(2017, 1, i) for i in range(1, 4)] + [datetime(2017, 1, 1)],
                  'num': [2, 3, 1, 4]
            })

为方便起见，这是可视化的 DataFrame：

如果我想计算每个 id 的唯一值的数量，我会这样做

grouped_a = a.groupby('id').agg({'my_date': pd.Series.nunique, 
                                 'num': pd.Series.nunique}).reset_index()
grouped_a.columns = ['id', 'num_unique_num', 'num_unique_my_date']

这给出了这个奇怪的 (?) 结果：

看起来datetime（在 Pandas 中转换为 datetime64[ns]）类型上的唯一值计数不起作用？

Answer 1

这是错误，请参阅github 14423。

但是你可以使用SeriesGroupBy.nunique，效果很好：

grouped_a = a.groupby('id').agg({'my_date': 'nunique', 
                                 'num': 'nunique'}).reset_index()
grouped_a.columns = ['id', 'num_unique_num', 'num_unique_my_date']
print (grouped_a)
   id  num_unique_num  num_unique_my_date
0   1               1                   1
1   2               2                   2
2   3               1                   1

如果DataFrame 只有3 列，您可以使用：

grouped_a = a.groupby('id').agg(['nunique']).reset_index()
grouped_a.columns = ['id', 'num_unique_num', 'num_unique_my_date']
print (grouped_a)
   id  num_unique_num  num_unique_my_date
0   1               1                   1
1   2               2                   2
2   3               1                   1