J'utilise pandas comme substitut db car j'ai plusieurs bases de données (oracle, mssql, etc.) et je ne peux pas faire une séquence de commandes vers un équivalent SQL.

J'ai une table chargée dans un DataFrame avec quelques colonnes:

YEARMONTH, CLIENTCODE, SIZE, .... etc etc

En SQL, compter le nombre de clients différents par an serait:

SELECT count(distinct CLIENTCODE) FROM table GROUP BY YEARMONTH;

Et le résultat serait

201301    5000
201302    13245

Comment puis-je faire cela chez les pandas?

Je crois que c'est ce que vous voulez:

table.groupby('YEARMONTH').CLIENTCODE.nunique()

Exemple:

In [2]: table
Out[2]: 
   CLIENTCODE  YEARMONTH
0           1     201301
1           1     201301
2           2     201301
3           1     201302
4           2     201302
5           2     201302
6           3     201302

In [3]: table.groupby('YEARMONTH').CLIENTCODE.nunique()
Out[3]: 
YEARMONTH
201301       2
201302       3

Voici une autre méthode, très simple, disons que votre nom de trame de données est daatet que le nom de la colonne estYEARMONTH

daat.YEARMONTH.value_counts()

Chose intéressante, est très souvent len(unique())plusieurs fois (3x-15x) plus rapide que nunique().

En utilisant crosstab, cela renverra plus d'informations quegroupby nunique

pd.crosstab(df.YEARMONTH,df.CLIENTCODE)
Out[196]: 
CLIENTCODE  1  2  3
YEARMONTH          
201301      2  1  0
201302      1  2  1

Après un peu de modification, donnez le résultat

pd.crosstab(df.YEARMONTH,df.CLIENTCODE).ne(0).sum(1)
Out[197]: 
YEARMONTH
201301    2
201302    3
dtype: int64

J'utilise également, nuniquemais ce sera très utile si vous devez utiliser une fonction d'agrégation comme 'min', 'max', 'count' or 'mean'etc.

df.groupby('YEARMONTH')['CLIENTCODE'].transform('nunique') #count(distinct)
df.groupby('YEARMONTH')['CLIENTCODE'].transform('min')     #min
df.groupby('YEARMONTH')['CLIENTCODE'].transform('max')     #max
df.groupby('YEARMONTH')['CLIENTCODE'].transform('mean')    #average
df.groupby('YEARMONTH')['CLIENTCODE'].transform('count')   #count

Avec la nouvelle version de pandas, il est facile d'obtenir en tant que trame de données

unique_count = pd.groupby(['YEARMONTH'], as_index=False).agg(uniq_CLIENTCODE =('CLIENTCODE',pd.Series.count))

Voici une approche pour avoir un décompte distinct sur plusieurs colonnes. Ayons quelques données:

data = {'CLIENT_CODE':[1,1,2,1,2,2,3],
        'YEAR_MONTH':[201301,201301,201301,201302,201302,201302,201302],
        'PRODUCT_CODE': [100,150,220,400,50,80,100]
       }
table = pd.DataFrame(data)
table

CLIENT_CODE YEAR_MONTH  PRODUCT_CODE
0   1       201301      100
1   1       201301      150
2   2       201301      220
3   1       201302      400
4   2       201302      50
5   2       201302      80
6   3       201302      100

Maintenant, listez les colonnes qui vous intéressent et utilisez groupby dans une syntaxe légèrement modifiée:

columns = ['YEAR_MONTH', 'PRODUCT_CODE']
table[columns].groupby(table['CLIENT_CODE']).nunique()

On obtient:

YEAR_MONTH  PRODUCT_CODE CLIENT_CODE        
1           2            3
2           2            3
3           1            1

Distinct de la colonne avec des agrégations sur d'autres colonnes

Pour obtenir le nombre distinct de valeurs pour n'importe quelle colonne ( CLIENTCODEdans votre cas), nous pouvons utiliser nunique. Nous pouvons passer l'entrée comme un dictionnaire dans la aggfonction, avec des agrégations sur d'autres colonnes:

grp_df = df.groupby('YEARMONTH').agg({'CLIENTCODE': ['nunique'],
                                      'other_col_1': ['sum', 'count']})

# to flatten the multi-level columns
grp_df.columns = ["_".join(col).strip() for col in grp_df.columns.values]

# if you wish to reset the index
grp_df.reset_index(inplace=True)