Python 熊猫：根据另一列计算累积的唯一值

我有一个带有ID和日期的简单数据框，如下所示：

    'ID Date
     a  2009/12/1
     c  2009/12/1
     d  2009/12/1
     a  2010/4/1
     c  2010/5/1
     e  2010/5/1
     b  2010/12/1
     b  2012/3/1
     e  2012/7/1
     b  2013/1/1
    ...
    ...'

我需要每个月计算唯一值并进行累积，但不计算现有ID。比如说

    `2009/12/1 3
     2010/4/1  3
     2010/5/1  4
     ... ...`

我创建了一个循环，但没有工作

       `for d in df['date'].drop_duplicates():
        c=df[df['date']<=d].ID.nunique()
        df2=DataFrame(data=c,index=d)`

`df['date']中的d。删除重复项（）
c=df[df['date']您应该使用
groupby（）
而不是在数据框上循环。按日期列分组后，您可以使用以下方法计算ID的唯一实例：

df.groupby('Date')['ID'].nunique()

快速示例：

df = pd.DataFrame([['a' ,'2009/12/1'],
                   ['c' ,'2009/12/1'],
                   ['d' ,'2009/12/1'],
                   ['c' ,'2009/12/1'],
                   ['a' ,'2010/4/1'],
                   ['c' ,'2010/5/1'],
                   ['e' ,'2010/5/1']], columns = ['ID','Date'])

df.groupby('Date')['ID'].nunique()
# returns:
# Date
# 2009/12/1    3
# 2010/4/1     1
# 2010/5/1     2

一个选项是编写for循环并使用集合保存累积唯一ID：

cumcount = []
cumunique = set()
date = []
for k, g in df.groupby(pd.to_datetime(df.Date)):
    cumunique |= set(g.ID)                  # hold cumulative unique IDs
    date.append(g.Date.iat[0])              # get the date variable for each group
    cumcount.append(len(cumunique))         # hold cumulative count of unique IDs

pd.DataFrame({"Date": date, "ID": cumcount})

因此，如果
a
在同一个月内出现两次，则只计算一次，对吗？此外，您的所有日期都列为该月的第一个日期吗？我需要计算从最早日期到当前的唯一ID。按组计算该期间的唯一ID，这无法满足我的需要谢谢您的代码。我现在无法尝试，但请继续ems它会工作的。实际上我还是Python新手，你能给我一些关于“set”的信息吗？它工作，非常感谢。但是理解“set”仍然很好