一个 for 循环遍历数据帧并计数

如何解决一个 for 循环遍历数据帧并计数

我有一个与此类似的数据框：

id    count  
252    0
232    1
325    1
736    2
253    3
252    2
232    3
736    2

我正在尝试计算“大于范围（0,3）的唯一 ID 的数量。

df[(df['count'] >= 0)].id.nunique()
df[(df['count'] >= 1)].id.nunique()
df[(df['count'] >= 2)].id.nunique()
df[(df['count'] >= 3)].id.nunique()


The returned columns shouuld be:
    id    count    return
        252    0     6   the number of unique id that is larger than 0 
        232    1     5   the number of unique id that is larger than 1 
        325    1     5
        736    2     3
        253    3     1
        252    0     6
        232    1     5
        736    2     3

我为此使用了排名，因为我的数据集很大。但是，排名不是从零开始计算的。有没有更简单的方法可以让我从零开始排名？

另外，还有什么方法可以让代码更高效、运行得更快？

df['return'] = df.groupby('count').id.transform('nunique').rank(asending= True,method = 'max')

解决方法

In [395]: df                                                                                                                                                                                                                                                                  
Out[395]: 
    id count
0  252     0
1  232     1
2  325     1
3  736     2
4  253     3
5  252     2
6  232     3
7  736     2

In [396]: df['return'] = None                                                                                                                                                                                                                                                 

In [397]: for c in df['count'].unique(): 
     ...:     df['return'][df['count'] >= c] = df[df['count'] >= c]['id'].nunique() 
     ...:      
     ...:                                                                                                                                                                                                                                                                     

In [398]: df                                                                                                                                                                                                                                                                  
Out[398]: 
    id count return
0  252     0      5
1  232     1      5
2  325     1      5
3  736     2      4
4  253     3      2
5  252     2      4
6  232     3      2
7  736     2      4