Python 熊猫按唯一计数分组为新列

我想在我的pandas数据框中添加一个新列

col

，其计算公式如下：

select count(distinct ITEM) as col
from base_data
where STOCK > 0 
group by DEPT, CLAS, DATE;

我正在为此而努力

assort_size = base_data[(base_data['STOCK'] > 0)]\
.groupby(['DEPT','CLAS','DATE'])['ITEM']\
.transform('nunique')

基本上，对于每个部门、班级、日期组合，我想得到库存中的商品数量。因此，我想将此合并的结果与父数据帧合并，但结果显示为

pandas.core.series.series

，因此我无法

追加（axis=1）

它（行数不同，例如1.6 M与1.4 M）。此外，我没有要加入的

DEPT、CLAS、DATE

列。我可以在这里做些什么来获取带有GROUPBY列的dataframe

---

是否有更好的方法直接在父数据帧（

base\u data

）中创建新列，而不是像我正在创建的

schodk\u size

）那样创建新对象？

对于复杂的计算，可以使用

apply

而不是

transform

，并在apply函数中移动过滤器，使用

assign

为每个组创建一个新列，这将使用新计算的列创建一个数据框，无需后期分配：

(base_data.groupby(['DEPT','CLAS','DATE'], group_keys=False)
 .apply(lambda g: g.assign(n_item = g.ITEM[g.STOCK > 0].nunique())))

例如：（在C列中查找唯一值的数量，其中B>0按A列分组。）

您可以先使用，然后使用

groupby

，最后使用：

---

这行得通，但速度太慢了。对于1.7m行数据帧，我花了大约10多分钟才结束运行。在R data.table I中，通常在几秒钟内完成

base_data 0&EOH_Q>0'：='（分类大小=长度（唯一（项目）），by=.（部门、类别、日期）]

，如果性能有问题且没有重复的索引，则可以将计算回原始数据框的

分类大小分配为
base_data['n_item']=schodk_size
，它将为您对齐索引。我将此与
schodk_size=schodk_size.to_frame（）.reset_index（）一起使用
将
Pandas.series
转换为
Pandas.dataFrame
。这之后的加入速度要快得多。基本上，如果耶茨雷尔回答了一个关于熊猫的问题，那么相信它-这家伙是一个传奇！@ARob4-谢谢。
df = pd.DataFrame({"A": ["a", "a", "b", "b"], "B": [-1, 1, 2,2],"C":[1,2,3,4]})

df.groupby('A', group_keys=False).apply(lambda g: g.assign(n_item = g.C[g.B > 0].nunique()))

#   A   B   C   n_item
#0  a  -1   1        1
#1  a   1   2        1
#2  b   2   3        2
#3  b   2   4        2

base_data = pd.DataFrame({"DEPT": ["a", "a", "b", "b"],
                   "CLAS":['d','d','d','d'],
                   "STOCK": [-1, 1, 2,2],
                   "DATE":pd.to_datetime(['2001-10-10','2001-10-10',
                                          '2001-10-10','2001-10-10']),
                   "ITEM":[1,2,3,4]})

print (base_data)
  CLAS       DATE DEPT  ITEM  STOCK
0    d 2001-10-10    a     1     -1
1    d 2001-10-10    a     2      1
2    d 2001-10-10    b     3      2
3    d 2001-10-10    b     4      2

assort_size = base_data[(base_data['STOCK'] > 0)]\
.groupby(['DEPT','CLAS','DATE'])['ITEM'].nunique().rename('n_item')
print (assort_size)
DEPT  CLAS  DATE      
a     d     2001-10-10    1
b     d     2001-10-10    2
Name: n_item, dtype: int64

print (base_data.join(assort_size, on=['DEPT','CLAS','DATE']))
  CLAS       DATE DEPT  ITEM  STOCK  n_item
0    d 2001-10-10    a     1     -1       1
1    d 2001-10-10    a     2      1       1
2    d 2001-10-10    b     3      2       2
3    d 2001-10-10    b     4      2       2