如何計算熊貓群體中的唯一值？

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！