Python 每个日期唯一ID的累积计数

假设我有以下DF：

Date          ID   
2019-06-01    A
2019-06-01    B
2019-06-01    B
2019-06-02    A
2019-06-02    C
2019-06-03    C
2019-06-03    A

获取每个日期唯一ID的累积计数的最具python风格的方法是什么：

Date          ID   
2019-06-01    2
2019-06-02    3
2019-06-03    3

我可以按日期使用for循环，并使用

np.isin

，但这在性能方面太糟糕了

谢谢

让我们做吧

s = df.groupby('Date')['ID'].agg(list).cumsum()
s = s.map(lambda x : len(set(x))).reset_index()
s
         Date  ID
0  2019-06-01   2
1  2019-06-02   3
2  2019-06-03   3

让我们做吧

s = df.groupby('Date')['ID'].agg(list).cumsum()
s = s.map(lambda x : len(set(x))).reset_index()
s
         Date  ID
0  2019-06-01   2
1  2019-06-02   3
2  2019-06-03   3

使用

cumsum（）尝试
groupby（）.nunique
：

输出：

2019-06-01    2.0
2019-06-02    3.0
2019-06-03    3.0
Freq: D, Name: ID, dtype: float64

使用
cumsum（）尝试
groupby（）.nunique
：

输出：

2019-06-01    2.0
2019-06-02    3.0
2019-06-03    3.0
Freq: D, Name: ID, dtype: float64

不知怎么的，这给了我错误的结果。例如，在我的例子中：A=第一天uniques:size 40941。B=第二天单件：尺寸28262。C=B[~np.isin（B，A）]大小12114，然后C+A=53055，代码给了我第一天的唯一性：3519和第二天的唯一性：5486不知何故，这给了我错误的结果。例如，在我的例子中：A=第一天uniques:size 40941。B=第二天单件：尺寸28262。C=B[~np.isin（B，A）]大小为12114，然后C+A=53055，代码给了我第一天的唯一性：3519和第二天：5486