python - 如何通过更改时间段来计算唯一出现次数分组？

Question

根据我之前的问题，按照回答用户的建议进行拆分和精确化: Pandas: How to group and aggregate data starting from constant and ending on changing date?

我需要聚合固定日期(例如一年的第一天)和一年中所有其他日期之间的数据。聚合是给定时间段内唯一值的计数，同时按日期分组。换句话说，它统计自月初或年初以来最新的唯一用户数。

date             value
01-01-2012       a
02-01-2012       b
05-01-2012       c
05-01-2012       c

01-02-2012       a
02-02-2012       a
02-02-2012       b
05-02-2012       d

应该输出:

date             Month to date unique  Year to date unique
01-01-2012       1                     1
02-01-2012       2                     2
05-01-2012       3                     3
01-02-2012       1                     3
02-02-2012       2                     3
05-02-2012       3                     4

数据当然是在 Pandas 数据框中。显而易见但非常笨拙的方法是在开始日期和移动日期之间创建 for 循环。这个问题看起来很流行。对于这种类型的计算，是否有一些合理的 pandas 内置方法？关于计算唯一值，我还想避免堆叠列表，因为我有大量的行和唯一值，但我不确定是否可能。

日期格式在这里根本不重要。

我正在查看 Pandas 窗口函数，但它看起来不像是一个解决方案。

Answer 1

我通过 transform 函数更改以前的解决方案，然后删除每个日期的重复项:

df["date"] = pd.to_datetime(df["date"], format="%d-%m-%Y")
df = df.sort_values('date')

f = lambda x: (~x.duplicated()).cumsum()

df["Month to date sum"] = df.groupby(df["date"].dt.month)["value"].transform(f)
df["Year to date sum"] = df.groupby(df["date"].dt.year)["value"].transform(f)
df = df.drop_duplicates('date', keep='last').drop('value', axis=1)
print (df)
        date  Month to date sum  Year to date sum
0 2012-01-01                  1                 1
1 2012-01-02                  2                 2
3 2012-01-05                  3                 3
4 2012-02-01                  1                 3
6 2012-02-02                  2                 3
7 2012-02-05                  3                 4