熊猫分组并计算列的唯一值

Question

我在 Pandas 查询方面遇到了一些困难，希望得到一些帮助。我正在使用的 DataFrame 如下：

data = {
    "id": ["A", "A", "A", "A", "A", "A", "B", "B"],
    "start": ["P1", "P2", "P3", "P4", "P1", "P5", "P1", "P3"],
    "finish": ["P2", "P3", "P4", "P1", "P5", "P1", "P3", "P5"],
    "order": [1, 2, 3, 4, 5, 6, 1, 2]
}
df = pd.DataFrame(data)
print(df)

  id start finish  order
0  A    P1     P2      1
1  A    P2     P3      2
2  A    P3     P4      3
3  A    P4     P1      4
4  A    P1     P5      5
5  A    P5     P1      6
6  B    P1     P3      1
7  B    P3     P5      2

对于每个 id，我想计算列中达到的唯一点的总数finish，不包括从 P1 开始的路径。

如果我们仔细查看 id A，预期结果应该是 3：

Step1: P1 -> P2 [X] (starting in P1 is forbidden) 
Step2: P2 -> P3 +1  
Step3: P3 -> P4 +1  
Step4: P4 -> P1 +1  
Step5: P1 -> P5 [X] (starting in P1 is forbidden)
Step6: P5 -> P1 +0  (P1 already visited in step 4)

对 id B 使用相同的逻辑，预期结果应为 1。因此，我正在查看的结果 DataFrame 如下：

  id result
0  A      3 
1  B      1    

到目前为止，这是我的想法：我首先创建了一个掩码来过滤掉起点为 P1 的所有记录。然后，我需要按 id 对剩余记录进行分组并计算完成列中的唯一值。我的问题是我不知道如何转录我刚刚用 Python/Pandas 语言解释的内容。任何帮助，将不胜感激。

Answer 1

我们可以删除所有行start=='P1'，然后 groupbyid和 count unique finish：

(df[df['start'].ne('P1')]       # drop rows with `start` == 'P1'
   .groupby('id')               # group by `id`
   ['finish'].nunique()         # count unique `finish`
   .reset_index(name='result')  # match the output
)

输出：

  id  result
0  A       3
1  B       1