<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um die Anzahl der eindeutigen Werte pro Gruppe in einem Pandas-DataFrame zu z\u00e4hlen:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie diese Syntax mit dem folgenden DataFrame verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie die Anzahl der eindeutigen Werte in der Spalte \u201ePunkte\u201c f\u00fcr jedes Team gez\u00e4hlt wird:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Beachten Sie, dass wir auch die Funktion unique()<\/strong> verwenden k\u00f6nnen, um jeden einzelnen \u201ePunkt\u201c-Wert pro Team anzuzeigen:<\/span><\/p>\n Der folgende Code zeigt, wie die Anzahl der eindeutigen Werte in der Spalte \u201ePunkte\u201c gez\u00e4hlt wird, gruppiert nach Team und<\/em> Position:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Auch hier k\u00f6nnen wir die Funktion unique()<\/strong> verwenden, um jeden eindeutigen \u201ePunkt\u201c-Wert pro Team und pro Position anzuzeigen:<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n Pandas: So finden Sie eindeutige Werte in einer Spalte<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um die Anzahl der eindeutigen Werte pro Gruppe in einem Pandas-DataFrame zu z\u00e4hlen: df. groupby (‚ group_column ‚)[‚ count_column ‚]. nunique () Die folgenden Beispiele zeigen, wie diese Syntax mit dem folgenden DataFrame verwendet wird: import pandas as pd #createDataFrame df = pd. DataFrame ({‚ team ‚: [‚A‘, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df. groupby<\/span> (' group_column<\/span> ')[' count_column<\/span> ']. nunique<\/span> ()\n<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' position<\/span> ': ['G', 'G', 'G', 'F', 'F', 'G', 'G', 'F', 'F', 'F'],\n ' points<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4, 7, 7],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12, 13, 15]})\n\n#view DataFrame\n<\/span>df\n\n\tteam position points rebounds\n0 A G 5 11\n1 A G 7 8\n2 A G 7 10\n3 A F 9 6\n4 A F 12 6\n5 B G 9 5\n6 B G 9 9\n7 B F 4 12\n8 B F 7 13\n9 B F 7 15\n<\/strong><\/pre>\n Beispiel 1: Nach einer Spalte gruppieren und eindeutige Werte z\u00e4hlen<\/strong><\/span><\/h3>\n
#count number of unique values in 'points' column grouped by 'team' column\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. nunique<\/span> ()\n\nteam\nAt 4\nB 3\nName: points, dtype: int64<\/span>\n<\/span><\/strong><\/pre>\n\n
#display unique values in 'points' column grouped by 'team'<\/span>\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. single<\/span> ()\n\nteam\nA [5, 7, 9, 12]\nB [9, 4, 7]\nName: points, dtype: object<\/span><\/span><\/strong><\/pre>\n Beispiel 2: Nach mehreren Spalten gruppieren und eindeutige Werte z\u00e4hlen<\/strong><\/span><\/h3>\n
#count number of unique values in 'points' column grouped by 'team' and 'position'\ndf. groupby<\/span> ([' team<\/span> ', ' position<\/span> '])[' points<\/span> ']. nunique<\/span> ()\n\nteam position\nAF2\n G2\nBF 2\n G 1\nName: points, dtype: int64<\/span><\/span><\/strong><\/pre>\n\n
#display unique values in 'points' column grouped by 'team' and 'position'\ndf. groupby<\/span> ([' team<\/span> ', ' position<\/span> '])[' points<\/span> ']. single<\/span> ()\n\nteam position\nAF [9, 12]\n G [5, 7]\nBF [4, 7]\n G [9]\nName: points, dtype: object<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Pandas: So finden Sie eindeutige Werte in mehreren Spalten<\/a>
Pandas: So z\u00e4hlen Sie Vorkommen eines bestimmten Werts in einer Spalte<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"