Python 如何计算数据帧中列中唯一元素的数量

假设我有一个数据框，记录客户（用字母表示）和他们到达商店的日期

    customer       date
       A        2010-01-01
       B        2010-01-01
       A        2010-01-02
       C        2010-01-02
       D        2010-01-03
       D        2010-01-03

我想计算进入商店的独特客户的数量，并显示每天独特客户的累计数量。所以我不想重复计算一个过去已经在店里的顾客

所需的输出如下：

     date         cumulative unique customers to date
  2010-01-01                     2   # A, B
  2010-01-02                     3   # A, B, C
  2010-01-03                     4   # A, B, C, D

因此，3天后，我们有4个不同的客户到达

到目前为止，我最接近的方法是使用

groupby（）

函数：

df.groupby（'Date'）['Customer'].nunique（）

这让我

     date                 unique customers per date
  2010-01-01                     2   # A, B
  2010-01-02                     2   # A, C
  2010-01-03                     1   # D

然而，这只是每天唯一客户的数量

我想我需要创建一个新列和一个函数，该函数遍历每一行，如果客户第一次访问该行，则在新列中放入1，否则为0。然后对这个新列（每天）应用cumsum（）方法以获得所需的结果

---

我在编写代码时遇到了一些问题，这些代码在“customer”列中获取一个值，并将其与该列中的每个其他值进行比较，以确定它是否是同类中的第一个值，或者这是否是必要的？

使用

交叉表

将其转换为每个客户在每个日期存在的数据帧。使用

cummax

我们可以填写所有日期，因为它们出现了，这将成为一个简单的

总和

，以获得独特的客户

pd.crosstab(df.date, df.customer).clip(upper=1)
#customer    A  B  C  D
#date                  
#2010-01-01  1  1  0  0
#2010-01-02  1  0  1  0
#2010-01-03  0  0  0  1

pd.crosstab(df.date, df.customer).clip(upper=1).cummax()
#customer    A  B  C  D
#date                  
#2010-01-01  1  1  0  0
#2010-01-02  1  1  1  0
#2010-01-03  1  1  1  1

pd.crosstab(df.date, df.customer).clip(upper=1).cummax().sum(1)
#date
#2010-01-01    2
#2010-01-02    3
#2010-01-03    4
#dtype: int64

---

尝试此操作，

drop_duplicates

与

groupby

>>> df.drop_duplicates(["customer"]).groupby("date")['customer'].nunique().cumsum()
date
2010-01-01    2
2010-01-02    3
2010-01-03    4
Name: customer, dtype: int64