从另一个数据框中计算 nunique

Posted 2023-02-23

【中文标题】从另一个数据框中计算 nunique

【英文标题】：count nunique from another dataframe

【发布时间】：2021-04-18 13:44:11

【问题描述】：

我的目标是添加一个列，该列使用 dfA 中的键计算 dfB 中主键的唯一实例数。 dfA 的主键只出现一次，而 dfB 的主键出现多次。

示例。

dfA

Agreement	Date_1
146108493	1/31/2019
142527722	1/9/2019

dfB

Agreement	Date_2
146108493	2/4/2019
146108493	2/15/2019
146108493	2/20/2019
142527722	2/28/2019
142527722	3/15/2019

目标结果调整后的 dfA

Agreement	Date_1	Count
146108493	1/31/2019	3
142527722	1/9/2019	2

【参考方案1】：

您可以在Agreement 上使用group 数据框dfB 并使用count 然后将map 的值聚合到dfA 基于主键Agreement：

dfA['Count'] = dfA['Agreement'].map(dfB.groupby('Agreement')['Date_2'].count())

或者按照 @Pygirl 在 cmets 中的建议，将 value_counts 与 map 一起使用：

dfA['Count'] = dfA['Agreement'].map(dfB['Agreement'].value_counts())

---

   Agreement     Date_1  Count
0  146108493  1/31/2019      3
1  142527722   1/9/2019      2

【讨论】：

Nice catch @pygirl 这当然是一个更简洁的选择..

dfa['count'] = dfa['Agreement'].map(dfb['Agreement'].value_counts()) 如果只考虑协议中的实例数

【参考方案2】：

使用df.merge:

In [1161]: x = dfA.merge(dfB, indicator='Count').query('Count == "both"').groupby('Agreement').size().reset_index(name='Count')

In [1165]: dfA = dfA.merge(x)

In [1166]: dfA
Out[1166]: 
   Agreement     Date_1  Count
0  146108493  1/31/2019      3
1  142527722   1/9/2019      2

【参考方案3】：

尝试：

x = dfa.merge(dfb, on='Agreement', how='right')
y = x.groupby('Agreement').size().reset_index(name='Count')
dfa = dfa.merge(y, on='Agreement')

一行：

dfa.join(dfb['Agreement'].groupby(dfb['Agreement']).count().rename('Count'), on='Agreement')

---

dfa：

    Agreement   Date_1  count
0   146108493   1/31/2019   3
1   142527722   1/9/2019    2

编辑：

尝试使用此功能过滤它们。

def grpdates(grp):
    stRow = grp.iloc[0]
    stRow1 = dfa[dfa['Agreement']==stRow.Agreement].Date_1
    grp = grp[np.array(grp.Date_2)<=np.array(stRow1 + pd.DateOffset(days=30))]
    return grp  

dfb['Date_2'] = pd.to_datetime(dfb.Date_2, format='%m/%d/%Y')
dfa['Date_1'] = pd.to_datetime(dfa.Date_1, format='%m/%d/%Y')

df = dfb.groupby('Agreement', group_keys=False).apply(grpdates)
dfa['Count'] = dfa['Agreement'].map(df['Agreement'].value_counts())

---

dfa：

    Agreement   Date_1      Count
0   146108493   2019-01-31  3.0
1   142527722   2019-01-09  NaN

【讨论】：

感谢您的帮助。您将如何添加一个额外的过滤器来根据数据框中的日期列计算协议。例如，在 dfA Date_1 的 30 天内，有多少 dfA 协议出现在 dfB 中

用.fillna(0)替换NaN