Pandas agregam contagem distinta

Digamos que eu tenha um log de atividade do usuário e desejo gerar um relatório de duração total e o número de usuários únicos por dia.

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]})

Agregar a duração é bastante simples:

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

O que eu gostaria de fazer é somar a duração e contar as distinções ao mesmo tempo, mas não consigo encontrar um equivalente para count_distinct:

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

Isso funciona, mas certamente há uma maneira melhor, não?

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

Estou pensando que só preciso fornecer uma função que retorne a contagem de itens distintos de um objeto Series para a função agregada, mas não tenho muito contato com as várias bibliotecas à minha disposição. Além disso, parece que o objeto groupby já conhece essa informação, então eu não estaria apenas duplicando o esforço?

Que tal:

>>> 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' é uma opção para .agg () desde pandas 0.20.0, então:

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

Apenas adicionando as respostas já fornecidas, a solução usando a string "nunique"parece muito mais rápida, testada aqui em um dataframe de aproximadamente 21 milhões de linhas e agrupada em aproximadamente 2 milhões

%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