按窗口扩展分组以计算 nunique

Question

我有以下 df：

df=pd.DataFrame(data={'month':[1]*4+[2]*4+[3]*4,'customer':[1,2,3,4,1,5,6,7,2,3,10,7]})

我想创建一个扩展窗口来随时计算唯一客户的数量。 以下 df 的输出应为：

{1:4,2:7,3:8}

因为在第一个月我们有 4 个不同的客户，在第 ​​2 个，添加了 3 个（另一个是在第一个月，最后一个月只添加了一个（第 10 个））

谢谢

Answer 1

您可以先删除重复的客户（只保留出现的第一个客户），然后累计每月（现在是唯一的）客户数量：

counts = df.drop_duplicates("customer").groupby("month").size().cumsum().to_dict()

得到

>>> counts

{1: 4, 2: 7, 3: 8}

Answer 2

由于有回头客，您可以使用

删除那些回头客

df.drop_duplicates(subset='customer',ignore_index=True,inplace=True)

默认情况下，它将保留客户编号的第一次出现，并丢弃下一次出现。要计算每个月的唯一身份客户数量，

df['customer'] = df.groupby('month')['customer'].transform('count')
df = df.drop_duplicates(ignore_index=True)

要将窗口滚动到 customer 列上，计算该列的累积总和

df['customer'] = df['customer'].cumsum()

它将给出所需的输出

month   customers
  1        4
  2        7
  3        8