groupby后需先选取列再调用nunique，如df.groupby('a')['b'].nunique()；它返回每组中该列去重计数，默认忽略nan，多列统计用df.groupby('a')[['b','c']].nunique()。
groupby后直接用nunique会报错：'Series' object has no attribute 'nunique'
这个错误通常出现在你对 groupby 结果误用了 nunique——它不是 SeriesGroupBy 或 DataFrameGroupBy 对象的直接方法，而是作用于单个 Series 或 DataFrame 的。常见写法错误如：df.groupby('A').nunique()（错），或 df.groupby('A')['B'].nunique()（对）。
正确路径是：先 groupby 得到分组对象，再选取列（返回 SeriesGroupBy），最后调用 nunique。它本质是对每个分组内部的该列做去重计数。
-
df.groupby('category')['user_id'].nunique()→ 返回每个 category 下不重复的 user_id 数量 - 若想对多列分别统计去重数，写成
df.groupby('category')[['user_id', 'product_id']].nunique() - 注意：
nunique默认忽略NaN；如需把NaN当作一个独立值计数，加参数dropna=False
想统计每组中某列的「去重值列表」而非数量？别用nunique
nunique 只返回整数计数，不提供具体有哪些值。如果你需要每组的去重集合（比如查每个部门有哪些职级），得换方法：
- 用
.apply(set)：df.groupby('dept')['role'].apply(set)→ 返回每个 dept 对应的set对象 - 用
.unique()（保留首次出现顺序）：df.groupby('dept')['role'].unique()→ 返回numpy.ndarray，更常用 - 两者都支持链式操作，但
.unique()性能略好、结果可索引；set无序且不可直接切片 - 如果后续要转成字符串拼接（如“经理,主管”），推荐
.str.join()配合.unique()：df.groupby('dept')['role'].unique().str.join(', ')
groupby + nunique在空组或全NaN组下的行为
当某组内目标列全部为 NaN（或为空），nunique 默认返回 0（因为 dropna=True 是默认值）。这容易造成误解——你以为该组有数据但去重后为 0，实际可能是全空。
- 验证方式：对比
.count()（非空计数）和.nunique()，若前者为 0 而后者非 0，说明有NaN被算进去了（仅当dropna=False时） - 安全做法：显式控制
dropna参数，例如df.groupby('tag')['id'].nunique(dropna=False)，这样空组返回1（把NaN算作一个值） - 注意：Pandas 1.1+ 中，
nunique对空Series（长度为 0）始终返回0，与dropna无关
性能敏感场景下，nunique比手动set慢吗？
是的，在小数据量上差异不大，但在百万级分组+高频调用时，nunique 内部做了类型推断和缺失值检查，比裸写 lambda x: len(set(x.dropna())) 慢 20%–40%。不过官方实现更健壮，推荐优先用 nunique，除非压测确认它是瓶颈。
- 提速技巧：若已知列无
NaN，加dropna=False反而可能略快（跳过空值扫描逻辑） - 替代方案（仅限纯数值/字符串且确定无 NaN）：
df.groupby('key')['col'].apply(lambda x: x.nunique(dropna=False))—— 实际并无收益，不建议 - 真正有效的是预过滤：先
df = df.dropna(subset=['col'])，再groupby(...).nunique()，减少每组处理负担
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
