DataFrame.nunique()，DataFrame.count()

1. nunique()

DataFrame.nunique（axis = 0，dropna = True ）

功能：计算请求轴上的不同观察结果

参数：

axis ： {0或'index'，1或'columns'}，默认为0。0或'index'用于行方式，1或'列'用于列方式。
dropna ： bool，默认为True，不要在计数中包含NaN。

返回： Series

>>> df = pd.DataFrame({'A': [1, 2, 3], 'B': [1, 1, 1]})

>>> df.nunique()

A    3

B    1

dtype: int64

>>> df.nunique(axis=1)

0    1

1    2

2    2

dtype: int64

2. count()

DataFrame.count（axis = 0，level = None，numeric_only = False ）

功能：计算每列或每行的非NA单元格。

None，NaN，NaT和numpy.inf都被视作NA

参数：

axis ： {0或'index'，1或'columns'}，默认为0（行），如果为每列生成0或'索引'计数。如果为每行生成1或'列'计数。
level ： int或str，可选，如果轴是MultiIndex（分层），则沿特定级别计数，折叠到DataFrame中。一个STR指定级别名称。
numeric_only ： boolean，默认为False，仅包含float，int或boolean数据。

返回：Series或DataFrame对于每个列/行，非NA / null条目的数量。如果指定了level，则返回DataFrame。

从字典构造DataFrame

>>> df = pd.DataFrame({"Person":

...                    ["John", "Myla", "Lewis", "John", "Myla"],

...                    "Age": [24., np.nan, 21., 33, 26],

...                    "Single": [False, True, True, True, False]})

>>> df

   Person   Age  Single

0    John  24.0   False

1    Myla   NaN    True

2   Lewis  21.0    True

3    John  33.0    True

4    Myla  26.0   False

注意不计数的NA值

>>> df.count()

Person    5

Age       4

Single    5

dtype: int64

每行计数：

>>> df.count(axis='columns')

0    3

1    2

2    3

3    3

4    3

dtype: int64

计算MultiIndex的一个级别：

>>> df.set_index(["Person", "Single"]).count(level="Person")

        Age

Person

John      2

Lewis     1

Myla      1

参考文献：

【1】pandas.DataFrame.count

巴特西

DataFrame.nunique()，DataFrame.count()

1. nunique()

2. count()

最新文章

热门文章