使用Pandas计算每个组的唯一值
使用Pandas计算每个组的唯一值
提问于 2016-07-11 22:38:25
我需要计算每个domain中唯一的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'我试过df.groupby(['domain', 'ID']).count()
但是我想要得到
domain, count
vk.com 3
twitter.com 2
facebook.com 1
google.com 1回答 3
Stack Overflow用户
回答已采纳
发布于 2016-07-11 22:43:54
您需要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如果您需要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或者就像Jon Clements评论的那样：
df.groupby(df.domain.str.strip("'"))['ID'].nunique()您可以按如下方式保留列名：
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不同之处在于nunique()返回一个Series，而agg()返回一个DataFrame。
Stack Overflow用户
发布于 2018-04-05 03:02:15
df.domain.value_counts()
>>> df.domain.value_counts()
vk.com 5
twitter.com 2
google.com 1
facebook.com 1
Name: domain, dtype: int64Stack Overflow用户
发布于 2016-07-11 22:44:10
如果我理解正确的话，您需要为每个ID指定不同的domain数量。然后你可以试试这个：
output = df.drop_duplicates()
output.groupby('domain').size()输出：
domain
facebook.com 1
google.com 1
twitter.com 2
vk.com 3
dtype: int64您也可以使用value_counts，它的效率稍低一些。但最好的是使用nunique的Jezrael's answer
%timeit df.drop_duplicates().groupby('domain').size()
1000 loops, best of 3: 939 µs per loop
%timeit df.drop_duplicates().domain.value_counts()
1000 loops, best of 3: 1.1 ms per loop
%timeit df.groupby('domain')['ID'].nunique()
1000 loops, best of 3: 440 µs per loop页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/38309729
复制相关文章
相似问题