Python 如何在使用groupby].transform（'；Count'；）时计算Unique

我有一个数据帧

df

：

    Name     Date Symbol   Value
0   Ajay  2018_Q1     AA      10
1   Ajay  2018_Q1     AA      20
2   Faye  2018_Q1     AA      30
3   Faye  2018_Q1     BB      40
4    Ray  2018_Q1     BB      50
5    Ray  2018_Q1     BB      60
6    Ray  2018_Q1     CC      70
7    Ray  2018_Q1     CC      80
8   Clay  2018_Q2     CC      90
9   Clay  2018_Q2     CC      99

我想添加一个

Count

列，它计算每个

Name

和

Date

的

符号的唯一数量。当我这样做时：

df.groupby(['Date', 'Symbol'])['Name'].nunique()
df['Count'] = df.groupby(['Date', 'Symbol'])['Name'].transform('count')

我的输出如下所示：

      Name     Date Symbol  Value Count
0     Ajay  2018 Q1     AA     10     3
1     Ajay  2018 Q1     AA     20     3
2     Faye  2018 Q1     AA     30     3
3     Faye  2018 Q1    BBB     40     3
4      Ray  2018 Q1    BBB     50     3
5      Ray  2018 Q1    BBB     60     3
6      Ray  2018 Q1    CCC     70     2
7      Ray  2018 Q1    CCC     80     2
8     Clay  2018 Q2    CCC     90     2
9     Clay  2018 Q2    CCC     99     2

但由于我需要唯一的计数，因此所需的输出是：

      Name     Date Symbol  Value Count
0     Ajay  2018 Q1     AA     10     2
1     Ajay  2018 Q1     AA     20     2
2     Faye  2018 Q1     AA     30     2
3     Faye  2018 Q1    BBB     40     2
4      Ray  2018 Q1    BBB     50     2
5      Ray  2018 Q1    BBB     60     2
6      Ray  2018 Q1    CCC     70     1 
7      Ray  2018 Q1    CCC     80     1
8     Clay  2018 Q2    CCC     90     1
9     Clay  2018 Q2    CCC     99     1

我如何做到这一点
 将
变换
与
nunique
一起使用：

df['Count'] = df.groupby(['Date', 'Symbol'])['Name'].transform('nunique')

现在：

print(df)

是:

您是否尝试过
df['Count']=df.groupby（['Date'，'Symbol']）['Name'].transform（'nunique'）
？这应该行得通。请让我知道这是否有效
 如果我有其他列的值不同，这仍然有效吗？例如，假设我有一个名为
Value
的列，对于行
0
它是
10
，行
1
是
20
，行
3
是
30
？奇怪。。。当我在我的实际数据集上这样做时，它仍然没有得到唯一性。但是，当使用问题中的样本数据集时，它会这样做。我得再做些测试
   Name     Date Symbol  Count
0  Ajay  2018_Q1     AA      2
1  Ajay  2018_Q1     AA      2
2  Faye  2018_Q1     AA      2
3  Faye  2018_Q1     BB      2
4   Ray  2018_Q1     BB      2
5   Ray  2018_Q1     BB      2
6   Ray  2018_Q1     CC      1
7   Ray  2018_Q1     CC      1
8  Clay  2018_Q2     CC      1
9  Clay  2018_Q2     CC      1