迹忆客 专注技术分享

当我们处理大型数据集时，有时我们必须将某些功能应用于特定的数据组。例如，我们有一个国家数据集和用于私人事务的私人代码数据集。我们要计算一个国家使用的代码数量。下面列出了计数唯一值的不同方法。

1. df.groupby().nunique() 方法
2. df.groupby().agg() 方法
3. df.groupby().unique() 方法

在以下各节中，我们将使用相同的 DataFrame，如下所示：

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
print(df)

以下是输出。

   code    Countries
0   999  Switzerland
1   113  Switzerland
2   112        Japan
3   112  Switzerland
4   113       Canada
5   114        Japan
6   100      Germany
7   114        Japan
8   115      Germany

df.groupby().nunique() 方法

让我们看看 df.groupby().nunique() 函数如何对我们的国家进行分组。

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]

df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby("Countries")["code"].nunique()
print(result)

输出：

Countries
Canada         1
Germany        2
Japan          2
Switzerland    3
Name: code, dtype: int64

这表明加拿大使用的是一个代码，德国使用的是两个代码，依此类推。

df.groupby().agg() 方法

该方法与 df.groupby().nunique() 相同。我们需要将 nunique() 函数传递给 agg() 函数。

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby(by="Countries", as_index=False).agg({"code": pd.Series.nunique})
print(result)

输出：

     Countries  code
0       Canada     1
1      Germany     2
2        Japan     2
3  Switzerland     3

.agg({'code': pd.Series.nunique})

它使用 pd.Series.nunique 函数对列 code 进行聚集。

df.groupby().unique() 方法

当你想查看哪个国家使用哪些代码时，此方法很有用。

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
result = df.groupby("Countries")["code"].unique()
print(result)

输出：

Countries
Canada                   [113]
Germany             [100, 115]
Japan               [112, 114]
Switzerland    [999, 113, 112]
Name: code, dtype: object