Question

我有一个report_date列，我希望按其年周汇总，并计算唯一身份用户的数量。

import pandas as pd
from io import StringIO

datastring = StringIO("""\
report_date  user_id
2015-12-01         1
2015-12-01         2
2015-12-01         2
2015-12-02         2
2015-12-02         3
2016-01-01         1
""")

df = pd.read_table(datastring, sep='\s\s+', engine='python')
df['report_date'] = pd.to_datetime(df['report_date'])

我想要的输出：

2015-48    3
2016-00    1

我提出了一个解决方案（在下面发布）但是当使用更大的数据集（> 1MM行）时它相对较慢。好奇，如果有更好的解决方案来解决这个问题。

Answer 1

(df.assign(report_week=lambda x: x.report_date.dt.strftime('%Y-%W'))
  .groupby('report_week')
  .user_id
  .nunique()
)

修改

我最终修改了@ EdChum的建议，以摆脱像2016-53＆＃39;当report_date为2016-01-01时，按周数模53进行分组：

df.groupby([df.report_date.dt.year, df.report_date.dt.week.mod(53)]).user_id.nunique()

Answer 2

由于您的列已经是日期时间，因此无需在字符串上转换为字符串和groupby，我们可以对year and week组件进行分组，然后只需调用nunique：

In [108]:
df.groupby([df['report_date'].dt.year, df['report_date'].dt.week])['user_id'].nunique()

Out[108]:
report_date  report_date
2015         49             3
2016         53             1
Name: user_id, dtype: int64

Pandas按年度分组的唯一身份用户数

2 个答案:

修改