Python 创建GroupBy并将唯一值的计数添加为新列 问题

我试图按列

day

和

source

对Pandas数据帧进行分组，然后为每个组计算第三个（

时间戳

）的唯一实例（以找出每个源每天的点击次数），但我得到了这个错误（下面是完整的回溯）：

TypeError:“方法”对象不可下标

尝试 我的代码是：

df['timestamp_count'] = df.groupby(["source", "day"]).agg({"timestamp": "nunique"})

理想情况下，我希望得到这样的结果（包括新列，

timestamp\u count

：

day    source    timestamp                timestamp_count
1      facebook  2018-08-04 11:16:32.416  2
1      facebook  2019-01-03 10:25:38.216  2
1      twitter   2018-10-14 13:26:22.123  1
2      facebook  2019-01-30 12:16:32.416  1

当我运行

df.descripe（）

时，我看到

source

是一个对象，而

day

是一个整数。这可能是问题的一部分吗？在研究了其他问题之后，似乎很可能是沿着这些思路，但它们似乎都没有抛出相同的输入/错误组合

有人能帮助Python新手吗？非常感谢

回溯

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
---->1 df['timestamp_count']=（df.groupby[“源”，
“day”]）.agg（{“timestamp”：“nunique”}）
TypeError:“方法”对象不可下标

使用

transform

播放结果：

df['timestamp_count'] = (
    df.groupby(["source", "day"])['timestamp'].transform('nunique'))
df

   day    source                timestamp  timestamp_count
0    1  facebook  2018-08-04 11:16:32.416                2
1    1  facebook  2019-01-03 10:25:38.216                2
2    1   twitter  2018-10-14 13:26:22.123                1
3    2  facebook  2019-01-30 12:16:32.416                1

---

请提供完整的回溯（还包括导致错误的行）。谢谢。谢谢@coldspeed，我已经这样做了。它是

df.groupby（[“source”，“day”]）

，而不是

（df.groupby[“day”，“source”]）

。你修复了帖子中的打字错误，但没有意识到它在你的代码中。好问题！现在修复。@coldspeedThank你！我将新的timestamp\u count列作为datetime对象，有没有将其转换为整数的技巧？@FPL

df.groupby（[“source”，“day”]）[“timestamp”]。transform（'nunique'））

返回一列整数。请再次检查。我已经检查并再次运行了所有内容，但仍然得到了datetimes:-（（df.info（）返回“timestamp\u count 143375 non-null datetime64[ns]”）@FPL如果您执行

df['timestamp\u count']=df.groupby（[“source”，“day”]）[“timestamp”]。transform（'nunique'）。astype（int）

？你能为我打印

df['timestamp\u count'].head（）.tolist（）

吗？行了！非常感谢你的帮助！我不知道该在哪里添加函数…这一切还是新鲜事。

df['timestamp_count'] = (
    df.groupby(["source", "day"])['timestamp'].transform('nunique'))
df

   day    source                timestamp  timestamp_count
0    1  facebook  2018-08-04 11:16:32.416                2
1    1  facebook  2019-01-03 10:25:38.216                2
2    1   twitter  2018-10-14 13:26:22.123                1
3    2  facebook  2019-01-30 12:16:32.416                1