使用Pandas 計算組中的唯一值
在處理包含分組到類別中的多個變數的資料集時，通常有必要確定數量與每個組相關的唯一值。 Pandas 是一種廣泛使用的用於資料操作的 Python 庫，它提供了多種方法來計算群組內的唯一值。
一個常見的需求是計算每個域內唯一識別碼的數量。給定一個包含 ID 和域列的資料框，我們尋求獲得顯示每個域的唯一 ID 計數的結果。
具體而言，考慮資料：
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
我們目標是實現以下輸出：
domain count vk.com 3 twitter.com 2 facebook.com 1 google.com 1
為了實現這一點，我們可以在Pandas groupby 操作中使用nunique() 函數。透過按域列對資料框進行分組，然後將 nunique() 函數套用至 ID 列，我們可以獲得每個域的唯一值的計數。產生的資料框將包含所需的結果：
df = df.groupby(['domain', 'ID']).nunique() print(df)
但是，在某些情況下，資料可能包含網域名稱中的單引號等字元。為了處理這種情況，我們可以利用 str.strip("'") 函數在分組和計數之前刪除單引號。這可以實現為：
df = df.ID.groupby([df.domain.str.strip("'")]).nunique()
print(df)或者，我們可以透過在groupby 操作中連結str.strip("'") 函數來簡化程式碼：
df.groupby(df.domain.str.strip("'"))['ID'].nunique()保留結果資料框中的域列，我們可以使用帶有as_index=False 參數的agg() 函數：
df = df.groupby(by='domain', as_index=False).agg({'ID': pd.Series.nunique})
print(df)此方法將傳回一個包含域和計數列的資料框，其中count表示與每個域關聯的唯一ID 的數量。
以上是如何計算熊貓群體中的唯一值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
