pandas pivot_table或者groupby实现sql 中的count distinct 功能

import pandas as pd

import numpy as np

data = pd.read_csv('活跃买家分析初稿.csv')

data.head()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

• 我们发现表格的表头有空格，且看起来不舒服，尝试使用上篇文章的改名功能，将表头修改为合理的格式

data.columns=['merchant','week','year','month','records']

data.head()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

• 我们的目标就是统计每个自然月内对应每个客户提交的周次数
• 同样的原理，我们也可以统计自然月内客户数

方法一: 多重groupby，较为麻烦

• 首先利用groupby求出每个月中商家提交订单数

data1 =data.groupby(['month','merchant']).size()

data1.head()

month  merchant

一月     1           2

       240         1

       241         1

       256         9

       277         2

dtype: int64

• 重建索引

data1.reset_index().head()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

• 将重建索引的生成的dataFrame再次groupby

data1.reset_index().groupby('month')['merchant'].size().reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

方法2 pivot_table使用aggfunc 实现nunique方法

data2=data.pivot_table(index='month',values='merchant',aggfunc=lambda x:len(x.unique()))

data2.reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

方法3，直接采用Series的nunique方法

data3 = data.pivot_table(index='month',values='merchant',aggfunc=pd.Series.nunique)

data3.reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

方法4 使用单个的groupby，聚合使用nunique方法

data4 = data.groupby(['month']).agg({'merchant': pd.Series.nunique})

data4.reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

可以参考

• refer this *