Python 按每6小时对数据帧进行分组并生成新列

我有这个数据帧（类型可以是1或2）：

我想按六个小时对数据进行分组，在进行分组时，我想将

类型

保持为：

• 1

  （如果在6小时内只有1个）

• 2

  （如果在6小时内只有2个）或

• 3

  （如果在6小时内同时有1和2）

以下是我的代码：

df = df.groupby(['user_id', pd.TimeGrouper(freq=(6,'H'))]).mean()

产生：

user_id | timestamp      | type
1       | 2015-5-5 12:00 | 4

但是，我想得到

3

而不是4。我想知道如何替换我的

groupby

代码中的

mean（）

In [54]: df.groupby(['user_id', pd.Grouper(key='timestamp', freq='6H')]) \
           .agg({'type':lambda x: x.unique().sum()})
Out[54]:
                             type
user_id timestamp
1       2015-05-05 12:00:00     3

PS它只适用于给定类型：（
1
，
2
），因为它们的总和是
3

另一个数据集：

In [56]: df
Out[56]:
   user_id           timestamp  type
0        1 2015-05-05 12:30:00     1
1        1 2015-05-05 14:00:00     1
2        1 2015-05-05 15:00:00     1
3        1 2015-05-05 20:00:00     1

In [57]: df.groupby(['user_id', pd.Grouper(key='timestamp', freq='6H')]).agg({'type':lambda x: x.unique().sum()})
Out[57]:
                             type
user_id timestamp
1       2015-05-05 12:00:00     1
        2015-05-05 18:00:00     1

好极了非常感谢。
In [56]: df
Out[56]:
   user_id           timestamp  type
0        1 2015-05-05 12:30:00     1
1        1 2015-05-05 14:00:00     1
2        1 2015-05-05 15:00:00     1
3        1 2015-05-05 20:00:00     1

In [57]: df.groupby(['user_id', pd.Grouper(key='timestamp', freq='6H')]).agg({'type':lambda x: x.unique().sum()})
Out[57]:
                             type
user_id timestamp
1       2015-05-05 12:00:00     1
        2015-05-05 18:00:00     1