使用 pandas groupby 计算唯一值

Question

我有以下形式的数据：

 df = pd.DataFrame({
    'group': [1, 1, 2, 3, 3, 3, 4],
    'param': ['a', 'a', 'b', np.nan, 'a', 'a', np.nan]
})
print(df)

#    group param
# 0      1     a
# 1      1     a
# 2      2     b
# 3      3   NaN
# 4      3     a
# 5      3     a
# 6      4   NaN

组内的非空值始终相同。我想为每个组（如果存在）计算一次非空值，然后找到每个值的总计数。

我目前正在以以下（笨拙且低效）的方式执行此操作：

 param = []
for _, group in df[df.param.notnull()].groupby('group'):
    param.append(group.param.unique()[0])
print(pd.DataFrame({'param': param}).param.value_counts())

# a    2
# b    1

我确定有一种方法可以更干净地完成此操作并且无需使用循环，但我似乎无法解决。任何帮助将非常感激。

原文由 user1684046 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

我想你可以使用 SeriesGroupBy.nunique ：

 print (df.groupby('param')['group'].nunique())
param
a    2
b    1
Name: group, dtype: int64

Another solution with unique , then create new df by DataFrame.from_records , reshape to Series by stack and last value_counts :

 a = df[df.param.notnull()].groupby('group')['param'].unique()
print (pd.DataFrame.from_records(a.values.tolist()).stack().value_counts())
a    2
b    1
dtype: int64

原文由 jezrael 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

如果您不仅要计算唯一值，还要计算其他聚合函数，这只是解决方案的附加组件：

 df.groupby(['group']).agg(['min', 'max', 'count', 'nunique'])

原文由 datapug 发布，翻译遵循 CC BY-SA 4.0 许可协议