[解決済み] Pandas aggregate count distinct

質問

ユーザーの活動のログがあり、1日あたりの総時間とユニークユーザー数のレポートを作成したいとします。

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]})

持続時間の集計は非常に簡単です。

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

私がやりたいことは、持続時間の合計と区別のカウントを同時に行うことですが、count_distinctに相当するものが見つからないようです。

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

これは動作しますが、きっともっと良い方法があるのではないでしょうか？

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

Seriesオブジェクトのアイテムの個数を返す関数をaggregate関数に提供すればいいと思っているのですが、私は自由に使える様々なライブラリにあまり触れていないのです。また、groupbyオブジェクトはすでにこの情報を知っているようなので、重複した作業をするだけではないでしょうか？

どのように解決するのですか？

どちらか一方ではどうでしょうか。

>>> 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