Jumlah agregat panda berbeda

Misalkan saya memiliki log aktivitas pengguna dan saya ingin membuat laporan tentang durasi total dan jumlah pengguna unik per hari.

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]})

Durasi penggabungan cukup mudah:

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

Yang ingin saya lakukan adalah menjumlahkan durasi dan menghitung perbedaan pada saat yang sama, tetapi sepertinya saya tidak dapat menemukan padanan untuk count_distinct:

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

Ini berhasil, tapi pasti ada cara yang lebih baik, bukan?

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

Saya berpikir saya hanya perlu menyediakan fungsi yang mengembalikan jumlah item berbeda dari objek Seri ke fungsi agregat, tetapi saya tidak memiliki banyak eksposur ke berbagai perpustakaan yang saya miliki. Juga, tampaknya objek groupby sudah mengetahui informasi ini, jadi bukankah saya hanya akan menduplikasi usaha?

Bagaimana jika salah satu dari:

>>> df
         date  duration user_id
0  2013-04-01        30    0001
1  2013-04-01        15    0001
2  2013-04-01        20    0002
3  2013-04-02        15    0002
4  2013-04-02        30    0002
>>> df.groupby("date").agg({"duration": np.sum, "user_id": pd.Series.nunique})
            duration  user_id
date                         
2013-04-01        65        2
2013-04-02        45        1
>>> df.groupby("date").agg({"duration": np.sum, "user_id": lambda x: x.nunique()})
            duration  user_id
date                         
2013-04-01        65        2
2013-04-02        45        1

'nunique' adalah opsi untuk .agg () sejak pandas 0.20.0, jadi:

df.groupby('date').agg({'duration': 'sum', 'user_id': 'nunique'})

Hanya menambahkan ke jawaban yang sudah diberikan, solusi menggunakan string "nunique"tampak jauh lebih cepat, diuji di sini pada ~ 21 juta baris dataframe, kemudian dikelompokkan ke ~ 2 juta

%time _=g.agg({"id": lambda x: x.nunique()})
CPU times: user 3min 3s, sys: 2.94 s, total: 3min 6s
Wall time: 3min 20s

%time _=g.agg({"id": pd.Series.nunique})
CPU times: user 3min 2s, sys: 2.44 s, total: 3min 4s
Wall time: 3min 18s

%time _=g.agg({"id": "nunique"})
CPU times: user 14 s, sys: 4.76 s, total: 18.8 s
Wall time: 24.4 s