Bagaimana Mengira Nilai Unik dalam Kumpulan dengan Panda?

Mengira Nilai Unik dalam Kumpulan dengan Panda

Apabila bekerja dengan set data yang mengandungi berbilang pembolehubah yang dikumpulkan ke dalam kategori, selalunya menjadi perlu untuk menentukan nombor nilai unik yang dikaitkan dengan setiap kumpulan. Pandas, pustaka Python yang digunakan secara meluas untuk manipulasi data, menawarkan beberapa kaedah untuk mengira nilai unik dalam kumpulan.

Satu keperluan biasa ialah mengira bilangan pengecam unik dalam setiap domain. Memandangkan bingkai data dengan lajur untuk ID dan domain, kami berusaha untuk mendapatkan hasil yang memaparkan kiraan ID unik untuk setiap domain.

Secara khusus, mengambil kira data:

      ID   domain
0    123   vk.com
1    123   vk.com
2    123  twitter.com
3    456   vk.com
4    456  facebook.com
5    456   vk.com
6    456   google.com
7    789  twitter.com
8    789   vk.com

Kami bertujuan untuk mencapai output berikut:

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

Untuk mencapai ini, kita boleh menggunakan fungsi nunique() dalam operasi kumpulan Pandas. Dengan mengumpulkan bingkai data mengikut lajur domain dan seterusnya menggunakan fungsi nunique() pada lajur ID, kami memperoleh kiraan nilai unik untuk setiap domain. Bingkai data yang terhasil akan mengandungi hasil yang diingini:

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

print(df)

Walau bagaimanapun, dalam senario tertentu, data mungkin mengandungi aksara seperti petikan tunggal dalam nama domain. Untuk mengendalikan kes sedemikian, kami boleh menggunakan fungsi str.strip("'") untuk mengalih keluar petikan tunggal sebelum mengumpulkan dan mengira. Ini boleh dilaksanakan sebagai:

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

print(df)

Sebagai alternatif, kita boleh memudahkan kod dengan merantai fungsi str.strip("'") dalam operasi kumpulan mengikut:

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

Untuk mengekalkan lajur domain dalam bingkai data yang terhasil, kita boleh menggunakan fungsi agg() dengan parameter as_index=False:

df = df.groupby(by='domain', as_index=False).agg({'ID': pd.Series.nunique})

print(df)

Kaedah ini akan mengembalikan bingkai data dengan kedua-dua lajur domain dan kiraan, di mana kiraan mewakili bilangan ID unik yang dikaitkan dengan setiap domain.

Atas ialah kandungan terperinci Bagaimana Mengira Nilai Unik dalam Kumpulan dengan Panda?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!