相关疑难解决方法(0)

假设我有一个用户活动日志,我想生成一个总持续时间和每天唯一身份用户数的报告.

import numpy as np
import pandas as pd
df = pd.DataFrame({'date': ['2013-04-01','2013-04-01','2013-04-01','2013-04-02', '2013-04-02'],
    'user_id': ['0001', '0001', '0002', '0002', '0002'],
    'duration': [30, 15, 20, 15, 30]})

聚合持续时间非常简单:

group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg
            duration
date
2013-04-01        65
2013-04-02        45

我想要做的是同时对持续时间和计数进行求和,但我似乎找不到count_distinct的等价物:

agg = group.aggregate({ 'duration': np.sum, 'user_id': count_distinct})

这有效,但肯定有更好的方法,不是吗？

group = df.groupby('date')
agg = group.aggregate({'duration': np.sum})
agg['uv'] = df.groupby('date').user_id.nunique()
agg
            duration  uv
date
2013-04-01        65   2
2013-04-02        45   1

我想我只需要提供一个函数,将一个Series对象的不同项的计数返回到聚合函数,但是我没有太多关于各种库的曝光.此外,似乎groupby对象已经知道这些信息,所以我不会只是重复工作吗？