Saya menggunakan panda sebagai pengganti db karena saya memiliki banyak basis data (oracle, mssql, dll) dan saya tidak dapat membuat urutan perintah menjadi setara dengan SQL.

Saya memiliki tabel yang dimuat dalam DataFrame dengan beberapa kolom:

YEARMONTH, CLIENTCODE, SIZE, .... etc etc

Dalam SQL, untuk menghitung jumlah klien yang berbeda per tahun adalah:

SELECT count(distinct CLIENTCODE) FROM table GROUP BY YEARMONTH;

Dan hasilnya akan seperti itu

201301    5000
201302    13245

Bagaimana saya bisa melakukannya di panda?

Saya percaya ini yang Anda inginkan:

table.groupby('YEARMONTH').CLIENTCODE.nunique()

Contoh:

In [2]: table
Out[2]: 
   CLIENTCODE  YEARMONTH
0           1     201301
1           1     201301
2           2     201301
3           1     201302
4           2     201302
5           2     201302
6           3     201302

In [3]: table.groupby('YEARMONTH').CLIENTCODE.nunique()
Out[3]: 
YEARMONTH
201301       2
201302       3

Berikut adalah metode lain, lebih sederhana, katakanlah nama bingkai data Anda daatdan nama kolomnyaYEARMONTH

daat.YEARMONTH.value_counts()

Cukup menarik, sangat sering len(unique())beberapa kali (3x-15x) lebih cepat daripada nunique().

Menggunakan crosstab, ini akan menghasilkan lebih banyak informasi daripadagroupby nunique

pd.crosstab(df.YEARMONTH,df.CLIENTCODE)
Out[196]: 
CLIENTCODE  1  2  3
YEARMONTH          
201301      2  1  0
201302      1  2  1

Setelah sedikit dimodifikasi, hasilkan hasilnya

pd.crosstab(df.YEARMONTH,df.CLIENTCODE).ne(0).sum(1)
Out[197]: 
YEARMONTH
201301    2
201302    3
dtype: int64

Saya juga menggunakan nuniquetetapi akan sangat membantu jika Anda harus menggunakan fungsi agregat seperti 'min', 'max', 'count' or 'mean'dll.

df.groupby('YEARMONTH')['CLIENTCODE'].transform('nunique') #count(distinct)
df.groupby('YEARMONTH')['CLIENTCODE'].transform('min')     #min
df.groupby('YEARMONTH')['CLIENTCODE'].transform('max')     #max
df.groupby('YEARMONTH')['CLIENTCODE'].transform('mean')    #average
df.groupby('YEARMONTH')['CLIENTCODE'].transform('count')   #count

Dengan versi panda baru, mudah diperoleh sebagai kerangka data

unique_count = pd.groupby(['YEARMONTH'], as_index=False).agg(uniq_CLIENTCODE =('CLIENTCODE',pd.Series.count))

Di sini pendekatan untuk menghitung berbeda dari beberapa kolom. Mari kita punya beberapa data:

data = {'CLIENT_CODE':[1,1,2,1,2,2,3],
        'YEAR_MONTH':[201301,201301,201301,201302,201302,201302,201302],
        'PRODUCT_CODE': [100,150,220,400,50,80,100]
       }
table = pd.DataFrame(data)
table

CLIENT_CODE YEAR_MONTH  PRODUCT_CODE
0   1       201301      100
1   1       201301      150
2   2       201301      220
3   1       201302      400
4   2       201302      50
5   2       201302      80
6   3       201302      100

Sekarang, daftarkan kolom yang diminati dan gunakan grup dengan sintaks yang sedikit dimodifikasi:

columns = ['YEAR_MONTH', 'PRODUCT_CODE']
table[columns].groupby(table['CLIENT_CODE']).nunique()

Kami memperoleh:

YEAR_MONTH  PRODUCT_CODE CLIENT_CODE        
1           2            3
2           2            3
3           1            1

Perbedaan kolom bersama dengan agregasi pada kolom lainnya

Untuk mendapatkan jumlah nilai yang berbeda untuk kolom apa pun ( CLIENTCODEdalam kasus Anda), kita dapat menggunakan nunique. Kami dapat meneruskan input sebagai aggfungsi kamus , bersama dengan agregasi pada kolom lain:

grp_df = df.groupby('YEARMONTH').agg({'CLIENTCODE': ['nunique'],
                                      'other_col_1': ['sum', 'count']})

# to flatten the multi-level columns
grp_df.columns = ["_".join(col).strip() for col in grp_df.columns.values]

# if you wish to reset the index
grp_df.reset_index(inplace=True)