複数のデータベース（oracle、mssqlなど）があり、コマンドのシーケンスを同等のSQLにすることができないため、pandasをdbの代替として使用しています。

いくつかの列を持つデータフレームに読み込まれたテーブルがあります。

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

SQLでは、1年あたりのさまざまなクライアントの数を数えるには、次のようにします。

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

そして結果は

201301    5000
201302    13245

パンダでどうすればいいですか？

私はこれがあなたが望むものだと信じています：

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

例：

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

これは別の方法で、非常に単純です。データフレーム名がでdaat、列名がYEARMONTH

daat.YEARMONTH.value_counts()

興味深いことに、非常に頻繁にlen(unique())は数倍（3x-15x）高速ですnunique()。

を使用するとcrosstab、これはより多くの情報を返しますgroupby nunique

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

少し変更した後、結果を生成します

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

私も使用してnuniqueいますが、'min', 'max', 'count' or 'mean'などの集計関数を使用する必要がある場合に非常に役立ちます。

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

新しいパンダバージョンでは、データフレームとして簡単に取得できます

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

ここでは、複数の列でカウントを区別する方法を示します。いくつかのデータを見てみましょう：

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

次に、目的の列をリストし、わずかに変更した構文でgroupbyを使用します。

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

私達は手に入れました：

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

他の列の集計と列の区別

（CLIENTCODEあなたの場合）任意の列の異なる数の値を取得するには、を使用できますnunique。agg他の列の集計とともに、関数内の辞書として入力を渡すことができます。

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)