pandas nunique() 唯一值的数量

pandas 的 nunique() 方法用于计算 DataFrame 或 Series 中唯一值的数量。该方法可以帮助我们了解每列（或每行）中有多少不同的值，这在数据探索和数据清理中非常有用。

语法

统计指定轴上不同元素的数量。包含不同元素数量的返回序列。可以忽略NaN值。

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

参数

1. axis：int，默认值是 0
   指定计算的轴方向：

   • 0 或 'index'：按列计算唯一值的数量。
   • 1 或 'columns'：按行计算唯一值的数量。

2. dropna：bool，默认值是 True
   是否排除缺失值（NaN）。

   • 如果为 True，排除缺失值进行计算；
   • 如果为 False，缺失值也会被计入唯一值的数量。

返回值

返回一个包含每列或每行唯一值数量的 Series。如果操作的是 DataFrame，则返回的 Series 的索引与输入数据的一致。

使用场景

• 数据探索：了解数据集中每列或每行包含多少不同的值，帮助识别数据的多样性。
• 数据清理：在数据清理过程中，通过计算唯一值的数量来识别重复或无效的数据。
• 数据分析：在数据分析中，唯一值的数量可以作为数据特征的一个重要指标，用于进一步的分析或建模。

示例

Series:

s = pd.Series([1, 3, 5, 7, 7])
s
'''
0    1
1    3
2    5
3    7
4    7
dtype: int64
'''

s.nunique()
# 4

DataFrame:

df = pd.DataFrame({'A': [4, 5, 6], 'B': [4, 1, 1]})
df.nunique()
'''
A    3
B    2
dtype: int64
'''

df.nunique(axis=1)
'''
0    1
1    2
2    2
dtype: int64
'''

案例

假设我们有一个包含员工信息的 DataFrame，我们可以使用 nunique() 方法来计算每列中的唯一值数量。

import pandas as pd

# 创建示例数据
data = {
    '部门': ['销售', '市场', '技术', '销售', '技术', '市场'],
    '职位': ['经理', '专员', '工程师', '经理', '工程师', '专员'],
    '工资': [5000, 3000, 7000, 5000, 7000, 3000]
}
df = pd.DataFrame(data)

# 计算每列的唯一值数量
df.nunique()
'''
部门    3
职位    3
工资    3
dtype: int64
'''

在这个例子中，nunique() 方法计算了每列中唯一值的数量。所有列（部门、职位 和 工资）都有 3 个唯一值。这表明，在这些列中，共有 3 种不同的部门、职位和工资水平。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.nunique.html

更新时间：2024-08-08 22:13:04 标签：pandas python 唯一值 数量