如何计算 pandas 中的唯一值:举例
您可以使用nunique()函数来计算 pandas DataFrame 中唯一值的数量。
该函数使用以下基本语法:
#count unique values in each column df. nunique () #count unique values in each row df. nunique (axis= 1 )
以下示例展示了如何在实践中通过以下 pandas DataFrame 使用此函数:
import pandas as pd
#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
' points ': [8, 8, 13, 13, 22, 22, 25, 29],
' assists ': [5, 8, 7, 9, 12, 9, 9, 4],
' rebounds ': [11, 8, 11, 6, 6, 5, 9, 12]})
#view DataFrame
df
team points assists rebounds
0 to 8 5 11
1 To 8 8 8
2 to 13 7 11
3 A 13 9 6
4 B 22 12 6
5 B 22 9 5
6 B 25 9 9
7 B 29 4 12
示例1:计算每列中的唯一值
下面的代码展示了如何计算DataFrame每一列中唯一值的数量:
#count unique values in each column
df. nunique ()
team 2
points 5
assists 5
rebounds 6
dtype: int64
从结果我们可以看出:
- “团队”列有2 个唯一值
- “points”列有5 个唯一值
- “协助”栏有5 个唯一值
- “篮板”列有6 个唯一值
示例2:计算每行中的唯一值
下面的代码展示了如何计算DataFrame每一行中唯一值的数量:
#count unique values in each row
df. nunique (axis= 1 )
0 4
1 2
2 4
3 4
4 4
5 4
6 3
7 4
dtype: int64
从结果我们可以看出:
- 第一行有4 个唯一值
- 第二行有2 个唯一值
- 第三行有4 个唯一值
等等。
示例3:计算每组的唯一值
下面的代码展示了如何计算DataFrame中每组唯一值的数量:
#count unique 'points' values, grouped by team
df. groupby (' team ')[' points ']. nunique ()
team
At 2
B 3
Name: points, dtype: int64
从结果我们可以看出:
- 团队“A”有2 个独特的“分”值
- 团队“B”有3 个独特的“点”值
其他资源
以下教程解释了如何在 pandas 中执行其他常见操作: