Python 计算Pandas groupby中的唯一索引值

在Pandas中，有一种非常干净的方法可以按操作对group中的列中的不同值进行计数。比如说

ex = pd.DataFrame([[1, 2, 3], [6, 7, 8], [1, 7, 9]], 
                  columns=["A", "B", "C"]).set_index(["A", "B"])
ex.groupby(level="A").C.nunique()

会回来的

A
1    2
6    1
Name: C, dtype: int64

我还想计算索引级别

B

中的不同值，同时按

A

分组。我找不到从

groupby

对象访问

B

级别的干净方法。我能想到的最好的办法是：

ex.reset_index("B", drop=False).groupby(level="A").B.nunique()

正确返回：

A
1    2
6    1
Name: B, dtype: int64 

---

我是否有办法在groupby上执行此操作，而无需重置索引或使用

apply

功能？

IIUC您可以对所有级别执行

reset\u index

，然后groupby成为“a”并应用

nunique

方法：

res = ex.reset_index().groupby('A').agg(lambda x: x.nunique())

In [339]: res
Out[339]:
   B  C
A
1  2  2
6  1  1

与透视表相同的解决方案：

In [341]: ex.reset_index().pivot_table(index='A', aggfunc=lambda x: x.nunique())
Out[341]:
   B  C
A
1  2  2
6  1  1

---

不确定这是否更好，但它不使用应用或重置索引：）

FWIW，我发现在开发一个复杂的groupby时，将它们分开是很有用的。您可以查看将使用的单个对象

In [24]: ex.groupby(level="A").get_group(1)
Out[24]:
     C
A B
1 2  3
  7  9

一起：

In [33]: (ex.groupby(level='A')
   ....:    .C.agg({'a': lambda x: x.index.get_level_values(1).nunique(),
   ....:            'b': 'nunique'}))
Out[33]:
   b  a
A
1  2  2
6  1  1

---

为了您的娱乐，这是一个不太容易大声读出的解决方案，它不使用

reset\u index

、或

apply

、或

agg

、或匿名函数。但是，它确实使用标准库中的

zip

和

Counter

import pandas as pd
from collections import Counter

ex = pd.DataFrame([[1, 2, 3], [6, 7, 8], [1, 7, 9]], 
                  columns=["A", "B", "C"]).set_index(["A", "B"])

A_val, nunique_B = zip(*[(k, len(Counter(v.index.labels[v.index.names.index('B')]))) 
                      for k, v in ex.groupby(level='A')])

pd.Series(nunique_B, index=pd.Int64Index(A_val, name='A'))

返回

A
1    2
6    1
dtype: int32

此外，出于一般性考虑，我不假设

B

处于索引的第1级

A
1    2
6    1
dtype: int32