如何使用Pandas GroupBy计算唯一值

---

你可以使用下面的基本语法来计算pandas DataFrame中各组的唯一值的数量。

df.groupby('group_column')['count_column'].nunique()

下面的例子展示了如何在下面的DataFrame中使用这个语法。

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
                   'position': ['G', 'G', 'G', 'F', 'F', 'G', 'G', 'F', 'F', 'F'],
                   'points': [5, 7, 7, 9, 12, 9, 9, 4, 7, 7],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12, 13, 15]})

#view DataFrame
df

	team	position points	rebounds
0	A	G	 5	11
1	A	G	 7	8
2	A	G	 7	10
3	A	F	 9	6
4	A	F	 12	6
5	B	G	 9	5
6	B	G	 9	9
7	B	F	 4	12
8	B	F	 7	13
9	B	F	 7	15

例1：按一列分组并计算唯一值

下面的代码显示了如何计算每支球队的 "积分 "列中的唯一值的数量。

#count number of unique values in 'points' column grouped by 'team' column
df.groupby('team')['points'].nunique()

team
A    4
B    3
Name: points, dtype: int64

从输出中我们可以看到。

• A队有4个独特的 "积分 "值。
• B队有3个独特的 "积分 "值。

注意，我们也可以使用**unique()**函数来显示各队的独特 "积分 "值。

#display unique values in 'points' column grouped by 'team'
df.groupby('team')['points'].unique()

team
A    [5, 7, 9, 12]
B        [9, 4, 7]
Name: points, dtype: object

例2：按多列分组和计算唯一值

下面的代码显示了如何计算 "积分 "列中按球队_和_位置分组的唯一值的数量。

#count number of unique values in 'points' column grouped by 'team' and 'position'
df.groupby(['team', 'position'])['points'].nunique()

team  position
A     F           2
      G           2
B     F           2
      G           1
Name: points, dtype: int64

从输出中我们可以看到。

• A队F位置的球员有2个唯一的 "积分 "值。
• A队中G位置的球员有2个独特的 "积分 "值。
• B队F位置的球员有2个独特的 "积分 "值。
• B队中G位置的球员有1个独特的 "积分 "值。

再一次，我们可以使用**unique()**函数来显示每个球队和位置的独特'积分'值。

#display unique values in 'points' column grouped by 'team' and 'position'
df.groupby(['team', 'position'])['points'].unique()

team  position
A     F           [9, 12]
      G            [5, 7]
B     F            [4, 7]
      G               [9]
Name: points, dtype: object

其他资源

下面的教程解释了如何在pandas中执行其他常见操作。

Pandas：如何查找一列中的唯一值 Pandas：如何查找多列中的唯一值 Pandas：如何计算特定值在列中的出现次数

The postHow to Count Unique Values Using Pandas GroupByappeared first onStatology.