使用 Pandas 计算每个组的唯一值

Question

我需要在每个 domain 中计算唯一的 ID 值。

我有数据：

 ID, domain
123, 'vk.com'
123, 'vk.com'
123, 'twitter.com'
456, 'vk.com'
456, 'facebook.com'
456, 'vk.com'
456, 'google.com'
789, 'twitter.com'
789, 'vk.com'

我试试 df.groupby(['domain', 'ID']).count()

但我想得到

domain, count
vk.com   3
twitter.com   2
facebook.com   1
google.com   1

原文由 Arseniy Krupenin 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你需要 nunique ：

 df = df.groupby('domain')['ID'].nunique()

print (df)
domain
'facebook.com'    1
'google.com'      1
'twitter.com'     2
'vk.com'          3
Name: ID, dtype: int64

如果需要 strip ' 字符：

 df = df.ID.groupby([df.domain.str.strip("'")]).nunique()
print (df)
domain
facebook.com    1
google.com      1
twitter.com     2
vk.com          3
Name: ID, dtype: int64

或者正如 Jon Clements 评论的那样：

 df.groupby(df.domain.str.strip("'"))['ID'].nunique()

您可以像这样保留列名：

 df = df.groupby(by='domain', as_index=False).agg({'ID': pd.Series.nunique})
print(df)
    domain  ID
0       fb   1
1      ggl   1
2  twitter   2
3       vk   3

区别在于 nunique() 返回一个系列，而 agg() 返回一个数据帧。

原文由 jezrael 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

通常要计算单列中的不同值，您可以使用 Series.value_counts ：

 df.domain.value_counts()

#'vk.com'          5
#'twitter.com'     2
#'facebook.com'    1
#'google.com'      1
#Name: domain, dtype: int64

要查看列中有多少个唯一值，请使用 Series.nunique ：

 df.domain.nunique()
# 4

To get all these distinct values, you can use unique or drop_duplicates , the slight difference between the two functions is that unique return a numpy.array 而 drop_duplicates 返回 pandas.Series ：

 df.domain.unique()
# array(["'vk.com'", "'twitter.com'", "'facebook.com'", "'google.com'"], dtype=object)

df.domain.drop_duplicates()
#0          'vk.com'
#2     'twitter.com'
#4    'facebook.com'
#6      'google.com'
#Name: domain, dtype: object

---

至于这个特定的问题，因为你想计算另一个变量的不同值，除了 groupby 其他答案提供的方法，你也可以先删除重复项然后做 value_counts() ：

 import pandas as pd
df.drop_duplicates().domain.value_counts()

# 'vk.com'          3
# 'twitter.com'     2
# 'facebook.com'    1
# 'google.com'      1
# Name: domain, dtype: int64

原文由 Psidom 发布，翻译遵循 CC BY-SA 3.0 许可协议