如何按对象计算熊猫组列中的不同值？

Posted 2023-03-11

【中文标题】如何按对象计算熊猫组列中的不同值？

【英文标题】：How to count distinct values in a column of a pandas group by object?

【发布时间】：2013-07-29 09:00:00

【问题描述】：

我有一个 pandas 数据框并将其按两列分组（例如 col1 和 col2）。对于col1 和col2 的固定值（即对于一个组），我可以在col3 中有几个不同的值。我想计算第三列中不同值的数量。

例如，如果我有这个作为我的输入：

1  1  1
1  1  1
1  1  2
1  2  3
1  2  3
1  2  3
2  1  1
2  1  2
2  1  3
2  2  3
2  2  3
2  2  3

我想将此表（数据框）作为输出：

1  1  2
1  2  1
2  1  3
2  2  1

【问题讨论】：

相关话题为.value_counts()

【参考方案1】：

df.groupby(['col1','col2'])['col3'].nunique().reset_index()

【讨论】：

有趣的是 nunique 似乎是 Jeff 的回答速度的两倍。

奇怪！我也看到了。 Groupby 可能在这里采取了错误的所谓路径——将函数应用于组的逻辑非常密集。

在每个组上调用value_count（必须重建系列）会产生更多开销（而不是只返回一个ndarray的unique）。这实际上可能很重要。如果您不需要函数内部的索引，那么您通常可以避免这种惩罚（通过不实例化 value_counts 所做的系列，然后被丢弃，因为您只需要它的 len）

在 pandas 0.18.0 中使用 nunique() 似乎是最佳的

【参考方案2】：

In [17]: df
Out[17]: 
    0  1  2
0   1  1  1
1   1  1  1
2   1  1  2
3   1  2  3
4   1  2  3
5   1  2  3
6   2  1  1
7   2  1  2
8   2  1  3
9   2  2  3
10  2  2  3
11  2  2  3

In [19]: df.groupby([0,1])[2].apply(lambda x: len(x.unique()))
Out[19]: 
0  1
1  1    2
   2    1
2  1    3
   2    1
dtype: int64