Python 我们如何为numpy nunique方法应用自定义功能？ 让我们考虑下面的代码， [sample.csv] Name Year Status 1 ABC 2017 200 2 DEF 2017 404 3 GHI 2018 404 4 JKL 2017 500 5 MNO 2017 200 6 PQR 2017 301

预期产量，

从“状态”列计数并按“年份”列分组的唯一记录数总和，不直接使用“nunique（）”，但使用“chunk”概念（例如，一次两条记录）

与通常获取列的唯一值数量一样

dataset = pd.read_csv(source_file)
dataset.groupby(['year']).nunique()

现在我使用以下代码来实现“nunique（）”功能，但有时在处理非常大的CSV文件（超过5GB）时，它不会返回正确的结果

我们如何在不使用内置函数“nunique（）”的情况下获得相同的结果

---

有什么想法吗，那么请。。。谢谢

让我们尝试不同的方法，使用

pd.factorize

：

df.groupby('Year')['Status'].apply(lambda x: max(pd.factorize(x)[0]) + 1)

输出：

Year
2017    4
2018    1
Name: Status, dtype: int64

---

您在块级别进行了筛选，但没有跨块进行筛选：

data_grp1 = pd.concat([data_grp1, gb['status'].unique()])

您需要做的是在构建最终的

数据\u grp1

后再次过滤，如：

data_grp2 = data_grp1.groupby('Year').apply(lambda df: df.drop_duplicates(subset=['status']))

---

然后对

数据\u grp2

进行最终分析，我们是否必须使用它，而不是

“res=data\u grp1.groupby（['year'，level=0，axis=0）[0]。apply（nu\u fn）”

？我得到

键错误：'year'

，如果一旦我添加了

“level=0”

，那么我得到另一个问题，

键错误：索引（['Status'，dtype='object
data_grp2 = data_grp1.groupby('Year').apply(lambda df: df.drop_duplicates(subset=['status']))