如何在数据表框架中按组查找唯一值

Question

我创建了一个数据表框架如下，

DT_EX = dt.Frame({'cid':[1,2,1,2,3,2,4,2,4,5],
                  'cust_life_cycle':['Lead','Active','Lead','Active','Inactive','Lead','Active','Lead','Inactive','Lead']})

这里我有三个独特的客户生命周期，每个计数都显示为

DT_EX[:, count(), by(f.cust_life_cycle)]

除此之外，我还有五个客户 ID，这些计数为

DT_EX[:, count(), by(f.cid)]

现在我想看看每个客户生命周期中存在多少个唯一客户 ID，

DT_EX[:, {'unique_cids':dt.unique(f.cid)}, by(f.cust_life_cycle)]

它应该显示为 Lead customer 有 3 个唯一的客户 ID，例如 (1,2,5)，Active user 有 2 个唯一的客户 ID，依此类推。

我无法按预期得到它，你能告诉我如何修复它吗？

仅供参考：我已尝试在 R data.table 框架上重现相同的内容，它的工作原理。

DT_EX[, uniqueN(cid), by=cust_life_cycle]

Answer 1

dt.unique 功能不适用于群组（目前）。因此，实现您需要的一种方法是首先按生命周期 + customerID 分组，然后在第二步中仅按生命周期重新分组：

>>> DT_EX[:, count(), by(f.cust_life_cycle, f.cid)]\
...      [:, {"unique_cids": count()}, by(f.cust_life_cycle)]

   | cust_life_cycle  unique_cids
-- + ---------------  -----------
 0 | Active                     2
 1 | Inactive                   2
 2 | Lead                       3

[3 rows x 2 columns]

Answer 2

@pasha

我还为我的练习创建了一个自定义函数，如下所示，

def pydt_unique_per_group(DT,by_col,uni_col):
    DT_dict = DT[:,(f[by_col],f[uni_col])].to_dict()
    pairs = list(zip(DT_dict[by_col], DT_dict[uni_col]))
    unique_per_col_dict = {k : list(map(itemgetter(1), v)) for k,v in groupby(sorted(pairs, key=itemgetter(0)), key=itemgetter(0))}
    unique_per_col_count = {drink:len(set(ingr)) for drink,ingr in unique_per_col_dict.items()}
    unique_per_col_count_sort = {k:v for k,v in sorted(unique_per_col_count.items(),key=lambda x:x[1],reverse=True)}
    by_group_summary_dict = {by_col:[],'count':[]}
    for k, v in unique_per_col_count_sort.items():
        by_group_summary_dict[by_col].append(k)
        by_group_summary_dict['count'].append(v)
    return dt.Frame(by_group_summary_dict)

输出：

In [8]: pydt_unique_per_group(DT_EX,'cust_life_cycle','cid')                                                                                                                                                
Out[8]: 
   | cust_life_cycle  count
-- + ---------------  -----
 0 | Lead                 3
 1 | Active               2
 2 | Inactive             2

[3 rows x 2 columns]

如何在数据表框架中按组查找唯一值

How to find unique values by group in datatable Frame

python

py-datatable