如何使用 pandas groupby 计算唯一值

您可以使用以下基本语法来计算 pandas DataFrame 中每组唯一值的数量：

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

以下示例展示了如何将此语法与以下 DataFrame 结合使用：

 import pandas as pd

#createDataFrame
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

示例 1：按列分组并对唯一值进行计数

以下代码显示了如何计算每个团队的“points”列中唯一值的数量：

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

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

从结果我们可以看出：

• A 队有4 个独特的“分”值。
• B 队有3 个独特的“分”值。

请注意，我们还可以使用unique()函数来显示每个团队的每个唯一“点”值：

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

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

示例 2：按多列分组并对唯一值进行计数

下面的代码展示了如何计算“points”列中唯一值的数量，按团队和位置分组：

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

team position
AF2
      G2
BF 2
      G 1
Name: points, dtype: int64

从结果我们可以看出：

• A 队“F”位置的球员有2 个独特的“分”值。
• A队中“G”位置的球员有2个独特的“分”值。
• B 队“F”位置的球员有2 个独特的“分”值。
• B 队中位置“G”的球员有1 个独特的“分”值。

同样，我们可以使用unique()函数来显示每个团队和每个位置的每个唯一“点”值：

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

team position
AF [9, 12]
      G [5, 7]
BF [4, 7]
      G [9]
Name: points, dtype: object

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

Pandas：如何查找列中的唯一值
Pandas：如何在多列中查找唯一值
Pandas：如何计算列中特定值的出现次数