Question

我有一个如下数据框，

         date  hour staff
0  2019-10-01     6     A
1  2019-10-01     6     B
2  2019-10-01     6     C
3  2019-10-02     6     D
4  2019-10-02     6     B
5  2019-10-02     6     A
6  2019-10-03     6     B
7  2019-10-03     6     B
8  2019-10-03     6     B
9  2019-10-01     7     D
10 2019-10-01     7     A
11 2019-10-01     7     B
12 2019-10-01     7     C
13 2019-10-02     7     D
14 2019-10-02     7     C
15 2019-10-02     7     A
16 2019-10-03     7     B
17 2019-10-03     7     B
18 2019-10-03     7     A

我想计算每小时唯一员工的平均值，如下所示

小时 6 2
7，3

说明：
在第6小时，
Unique_staff = 2
10月1日：3（A，B，C）+ 10月2日：3（D，B，A）+ 10月3日：1（B）= 3 + 3 + 1 = 7/3（唯一日期数）〜2

在第7小时，
Unique_staff = 3
10月1日：4（D，A，B，C）+ 10月2日：3（D，C，A）+ 10月3日：2（B，A）= 4 + 3 + 2 = 9/3（唯一编号）日期）〜3

Answer 1

df.groupby(['hour', 'date'])['staff'].nunique().reset_index()\
  .groupby('hour')['staff'].mean().round()

>>> output

6   2.0
7   3.0

编辑：

anky_91在注释中的解决方案要快得多，绝对应该使用：

df.groupby(['date','hour'])['staff'].nunique().mean(level=1).round()

Answer 2

我没有足够的声誉来发表评论-第一个解决方案中第二次包含['staff']是虚假的。将reset_index（）放在末尾也稍微好一点。

df.groupby(['date','hour'])['staff'].nunique().groupby('hour').mean().round().reset_index()

使用agg的替代语法：

df.groupby(['date','hour']).agg(lambda x: x.nunique()).groupby('hour').mean().round() \
.reset_index()

如果您确实希望将结果作为整数，则可以将mean()替换为astype(int)：

df.groupby(['date','hour'])['staff'].nunique().mean(level=1).astype(int).reset_index()

按一列分组并找到编号。另一列中的唯一值

2 个答案: