仅选择最多具有 N 个唯一值的列

Posted 2023-03-11

【中文标题】仅选择最多具有 N 个唯一值的列

【英文标题】：Select only columns that have at most N unique values

【发布时间】：2019-11-06 11:58:44

【问题描述】：

我想计算每列中唯一值的数量，并仅选择那些具有少于 32 个唯一值的列。

我尝试使用 df.filter(nunique<32) 和

df[[ c for df.columns in df if c in c.nunique<32]] 

但是因为 nunique 是一种方法而不是函数，所以它们不起作用。认为 len(set() 会起作用并尝试过

df.apply(lambda x : len(set(x))

但效果不佳。请问有什么想法吗？提前致谢！

【参考方案1】：

nunique 可以在整个 DataFrame 上调用（你必须调用它）。然后，您可以使用 loc 过滤掉列：

df.loc[:, df.nunique() < 32]

---

最小可验证示例

df = pd.DataFrame('A': list('abbcde'), 'B': list('ababab'))
df
   A  B
0  a  a
1  b  b
2  b  a
3  c  b
4  d  a
5  e  b

df.nunique()
A    5
B    2
dtype: int64

df.loc[:, df.nunique() < 3]
   B
0  a
1  b
2  a
3  b
4  a
5  b