如果我有一个这样的表格:
df = pd.DataFrame({
'hID': [101, 102, 103, 101, 102, 104, 105, 101],
'dID': [10, 11, 12, 10, 11, 10, 12, 10],
'uID': ['James', 'Henry', 'Abe', 'James', 'Henry', 'Brian', 'Claude', 'James'],
'mID': ['A', 'B', 'A', 'B', 'A', 'A', 'A', 'C']
})
我可以在Qlik中做计数(不同的hID)，为唯一的hID计算5。我如何在python中使用熊猫数据框架做到这一点?或者是numpy数组?类似地，如果要做计数(hID)，我将在Qlik中得到8。对熊猫来说，同样的方法是什么?
计数不同的值，使用nunique:
df['hID'].nunique()
5
只计算非空值，使用Count:
df['hID'].count()
8
计算包括空值在内的总价值，使用size属性:
df['hID'].size
8
编辑以添加条件
使用布尔索引:
df.loc[df['mID']=='A','hID'].agg(['nunique','count','size'])
或使用查询:
df.query('mID == "A"')['hID'].agg(['nunique','count','size'])
输出:
nunique 5
count 5
size 5
Name: hID, dtype: int64
或者获取每个列的唯一值的数量:
df.nunique()
dID 3
hID 5
mID 3
uID 5
dtype: int64
新增熊猫0.20.0 pd. datafframe .agg
df.agg(['count', 'size', 'nunique'])
dID hID mID uID
count 8 8 8 8
size 8 8 8 8
nunique 3 5 3 5
你总是可以在一组中做一个agg。最后我使用了堆栈，因为我更喜欢这种演示方式。
df.groupby('mID').agg(['count', 'size', 'nunique']).stack()
dID hID uID
mID
A count 5 5 5
size 5 5 5
nunique 3 5 5
B count 2 2 2
size 2 2 2
nunique 2 2 2
C count 1 1 1
size 1 1 1
nunique 1 1 1
我也在找类似的东西我发现了另一种可以帮助你的方法
如果你想计算空值的数量，你可以使用这个函数:
def count_nulls(s):
return s.size - s.count()
如果你想在你的唯一计数中包含NaN值，你需要将dropna=False传递给nunique函数。
def unique_nan(s):
return s.nunique(dropna=False)
下面是使用泰坦尼克数据集的所有值的总结:
from scipy.stats import mode
agg_func_custom_count = {
'embark_town': ['count', 'nunique', 'size', unique_nan, count_nulls, set]
}
df.groupby(['deck']).agg(agg_func_custom_count)
你可以在这里找到更多信息
