Hoe u unieke waarden kunt tellen met pandas groupby

U kunt de volgende basissyntaxis gebruiken om het aantal unieke waarden per groep in een pandas DataFrame te tellen:

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

De volgende voorbeelden laten zien hoe u deze syntaxis kunt gebruiken met het volgende DataFrame:

 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

Voorbeeld 1: Groepeer op een kolom en tel unieke waarden

De volgende code laat zien hoe u voor elk team het aantal unieke waarden in de kolom „punten“ kunt tellen:

 #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

Uit het resultaat kunnen we zien:

• Er zijn 4 unieke “punt”-waarden voor Team A.
• Er zijn 3 unieke “punt”-waarden voor Team B.

Merk op dat we ook de functie unique() kunnen gebruiken om elke unieke „punt“-waarde per team weer te geven:

 #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

Voorbeeld 2: Groepeer op meerdere kolommen en tel unieke waarden

De volgende code laat zien hoe u het aantal unieke waarden in de kolom „punten“ kunt tellen, gegroepeerd op team en positie:

 #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

Uit het resultaat kunnen we zien:

• Er zijn 2 unieke “punt”-waarden voor spelers in positie “F” van Team A.
• Er zijn 2 unieke “punt”-waarden voor spelers in de “G”-positie van Team A.
• Er zijn 2 unieke “punt”-waarden voor spelers in positie “F” van Team B.
• Er is 1 unieke “punt”-waarde voor spelers in positie “G” van Team B.

Opnieuw kunnen we de functie unique() gebruiken om elke unieke „punt“-waarde per team en per positie weer te geven:

 #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

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Panda’s: unieke waarden in een kolom vinden
Panda’s: hoe vind je unieke waarden in meerdere kolommen?
Panda’s: hoe u exemplaren met een specifieke waarde in een kolom kunt tellen