python - Pandas :在 groupby 'date' 中删除重复项

Question

在下面的数据框中，我想消除重复的 cid 值，以便 df.groupby('date').cid.size() 的输出匹配df.groupby('date').cid.nunique() 的输出。

我看过这个post但似乎并没有很好的解决问题的办法。

df = pd.read_csv('https://raw.githubusercontent.com/108michael/ms_thesis/master/crsp.dime.mpl.df')

df.groupby('date').cid.size()

date
2005       7
2006     237
2007    3610
2008    1318
2009    2664
2010     997
2011    6390
2012    2904
2013    7875
2014    3979

df.groupby('date').cid.nunique()

date
2005      3
2006     10
2007    227
2008     52
2009    142
2010     57
2011    219
2012     99
2013    238
2014    146
Name: cid, dtype: int64

我尝试过的事情:

1. df.groupby([df['date']]).drop_duplicates(cols='cid') 给出了这个错误:AttributeError: Cannot access callable attribute 'drop_duplicates' of ' DataFrameGroupBy' 对象，尝试使用 'apply' 方法
2. df.groupby(('date').drop_duplicates('cid')) 给出此错误:AttributeError: 'str' object has no attribute 'drop_duplicates'

Answer 1

您不需要 groupby 来基于几列删除重复项，您可以改为指定一个子集:

df2 = df.drop_duplicates(["date", "cid"])
df2.groupby('date').cid.size()
Out[99]: 
date
2005      3
2006     10
2007    227
2008     52
2009    142
2010     57
2011    219
2012     99
2013    238
2014    146
dtype: int64