pandas - 每列计数不同的值 [英] Pandas - count distinct values per column

问题描述

我有一个如下所示的数据框：

  Id ActivityId ActivityCode 
 
 1 2 3 
 1 2 4 
 1 3 2 
  

我需要计算在上面的例子中，id 1会返回2，因为这个id有两个不同的活动ID。

p>

SQL看起来就是这样：

  SELECT COUNT（DISTINCT ActivityId） FROM table GROUP BY Id 
  

我如何在熊猫中做到这一点？

（如果可能的话，我想知道是否有方法在字典中获得结果，而不需要手动迭代）

解决方案

我认为你需要 groupby 与 nunique ：

  print（df）
 Id ActivityId ActivityCode 
 0 1 2 3 
 1 1 2 4 
 2 1 3 2 
 3 2 8 7 
 
 df = df.groupby（'Id'）['ActivityId']。nunique（）
 print（df）
 Id 
 1 2 
 2 1 
名称：ActivityId，dtype：int64 
  

dict add Series.to_dict ：

  d = df .groupby（'Id'）['ActivityId']。nunique（）。to_dict（）
 print（d）
 {1：2，2：1} 
  

I have a dataframe that looks like this:

Id ActivityId ActivityCode

1   2           3
1   2           4
1   3           2

I need to get a count of the distinct Activity IDs that the Id is related to.

In the example above, id 1 would return 2 since there're 2 distinct activity ids for that id.

The SQL would look this way:

SELECT COUNT(DISTINCT ActivityId) FROM table GROUP BY Id

How do I do this in pandas?

(And if possible, I'd like to know if there's a way to get the result in a dictionary, without iterating manually)

解决方案

I think you need groupby with nunique :

print (df)
   Id  ActivityId  ActivityCode
0   1           2             3
1   1           2             4
2   1           3             2
3   2           8             7

df = df.groupby('Id')['ActivityId'].nunique()
print (df)
Id
1    2
2    1
Name: ActivityId, dtype: int64

And for dict add Series.to_dict:

d = df.groupby('Id')['ActivityId'].nunique().to_dict()
print (d)
{1: 2, 2: 1}

这篇关于 pandas - 每列计数不同的值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！