本文介绍使用 groupby().transform('nunique') 一行代码为 DataFrame 同时添加多个维度（如按类别、年份、组合）的唯一 ID 计数列，避免冗余合并操作，提升代码可读性与执行效率。
本文介绍使用 `groupby().transform('nunique')` 一行代码为 dataframe 同时添加多个维度（如按类别、年份、组合）的唯一 id 计数列，避免冗余合并操作，提升代码可读性与执行效率。
在实际数据分析中，常需对同一数据集按不同粒度统计唯一观测值（如用户 ID、样本编号等）的数量，并将结果作为新列回填至原始表中。传统做法（如多次 groupby().nunique() + merge）不仅代码冗长，还易因索引错位或重复键引发意外错误，且性能随分组维度增加而显著下降。
Pandas 提供了更优雅的解决方案：transform() 方法。它能在保持原始 DataFrame 行数和顺序不变的前提下，将聚合结果广播回每行——这正是我们所需的核心能力。
以下为推荐实现方式：
import pandas as pd
df = pd.DataFrame({
'year': [2020, 2020, 2020, 2021, 2021, 2022, 2023, 2023, 2023, 2023],
'cat': [1, 1, 2, 2, 3, 3, 1, 2, 3, 4],
'i': ['a', 'a', 'b', 'c', 'd', 'e', 'f', 'f', 'g', 'g']
})
# 一次性为多组分组生成唯一计数列
group_specs = ['cat', 'year', ['cat', 'year']]
for spec in group_specs:
col_name = f"n_by_{'_'.join(map(str, spec))}" # 兼容单列与多列命名（如 ['cat','year'] → 'cat_year'）
df[col_name] = df.groupby(spec)['i'].transform('nunique')
执行后，df 将新增三列：
- n_by_cat：该类别下所有年份中 i 的去重总数；
- n_by_year：该年份中所有类别下 i 的去重总数；
- n_by_cat_year：该年份+该类别组合下 i 的去重总数。
✅ 优势总结：
- 零合并：无需 merge，杜绝键不匹配、笛卡尔积膨胀等风险；
- 高可读性：逻辑集中、命名清晰，便于维护与扩展；
- 高性能：transform 内部优化良好，比多次 groupby().nunique() + map 或 merge 更快；
- 灵活扩展：新增分组维度只需向 group_specs 列表追加元组，例如 ['cat', 'year', 'i'] 或 ['year', 'cat', 'region']。
⚠️ 注意事项：
- transform('nunique') 要求被聚合列（此处为 'i'）支持哈希操作（如字符串、数字、元组），不可为含 NaN 的混合类型或不可哈希对象；
- 若原始数据含缺失值（NaN）在分组列中，groupby 默认会自动排除这些行；若需保留，可设置 dropna=False（Pandas ≥ 1.5）；
- 列名生成建议使用 '_'.join(map(str, spec)) 而非 ''.join(spec)，避免数字列表转字符串时歧义（如 [1, 10] → '110' 错误），确保语义准确。
掌握 transform('nunique') 是 Pandas 高效分组统计的关键技巧之一，适用于用户活跃度分析、品类覆盖评估、跨维度去重归因等多种场景。
