python - 计算 python 中某个值相对于另一个值聚合的重复出现次数

Question

这个问题是我问的这个问题的延续 here :

现在我有这样的数据:

Sno   User  Cookie
 1     1       A
 2     1       A
 3     1       A
 4     1       B
 5     1       C
 6     1       D
 7     1       A
 8     1       B
 9     1       D
 10    1       E
 11    1       D
 12    1       A
 13    2       F
 14    2       G
 15    2       F
 16    2       G
 17    2       H
 18    2       H

假设我们有用户 1“A、B、C、D、E”的 5 个 Cookie。现在我想统计遇到新的 cookie 后是否有任何 cookie 再次出现。例如，在上面的例子中，cookie A 在第 7 个位置再次遇到，然后也在第 12 个位置遇到。注意:我们不会将 A 计入第二位，因为它同时出现，但在第七位和第 12 位，我们在再次看到 A 之前看到了许多新的 cookie，因此我们计入该实例。因此，如果我运行 previous post 中提到的代码，我将得到以下结果: :

对于用户 1

Sno Cookie  Count
 1    A     2
 2    B     1
 3    C     0
 4    D     2
 5    E     0

对于用户2

Sno Cookie  Count
 6    F     1
 7    G     1
 8    H     0

现在到了棘手的部分，现在我们通过计数知道，对于用户 1，三个 cookie“A、B 和 D”重新出现。类似地，对于用户 2，“F 和 G”再次出现。我想像这样汇总这些结果:

Sno User Reoccurred_Instances
 1   1    3
 2   2    2

有没有更简单的方法而不使用循环来获得这个结果。

Answer 1

按照与我回答上一个问题时相同的第一步，删除连续的 Cookie 值并查找重复项:

no_doubles = df[df.Cookie != df.Cookie.shift()]

no_doubles['dups'] = no_doubles.Cookie.duplicated()

然后使用 groupby 按 User 对确实重复的数据子集 (no_doubles[no_doubles['dups']]) 进行分组，并找到数字使用 nunique 为每个用户提供唯一的 Cookie:

no_doubles[no_doubles['dups']].groupby('User')['Cookie'].nunique().reset_index()

这将返回:

   User  Cookie
0     1       3
1     2       2

您可以根据需要重命名列

[编辑]:

要处理不同的情况，您只需添加此逻辑即可。例如，考虑以下数据帧，User 编号 3 中没有重复:

Sno   User  Cookie
 1     1       A
 2     1       A
 3     1       A
 4     1       B
 5     1       C
 6     1       D
 7     1       A
 8     1       B
 9     1       D
 10    1       E
 11    1       D
 12    1       A
 13    2       F
 14    2       G
 15    2       F
 16    2       G
 17    2       H
 18    2       H
 18    3       H
 18    3       I
 18    3       J

你可以这样做:

no_doubles = df[(df.Cookie != df.Cookie.shift()) | (df.User != df.User.shift())]

no_doubles['dups'] = no_doubles.duplicated(['Cookie', 'User'])

no_doubles.groupby('User').apply(lambda x: x[x.dups]['Cookie'].nunique()).to_frame('Reoccurred_Instances')

获取:

      Reoccurred_Instances
User                      
1                        3
2                        2
3                        0