按一列分组并找到编号。另一列中的唯一值

时间:2019-12-07 03:44:14

标签: python pandas dataframe pandas-groupby

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

2 个答案:

答案 0 :(得分:2)

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()

答案 1 :(得分:0)

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()