Python 熊猫计数（不同）当量

我使用pandas作为db替代品，因为我有多个数据库（oracle、mssql等），并且我无法将命令序列转换为SQL等效项

我在数据框中加载了一个表，其中包含一些列：

YEARMONTH, CLIENTCODE, SIZE, .... etc etc

在SQL中，计算每年不同客户端的数量应为：

SELECT count(distinct CLIENTCODE) FROM table GROUP BY YEARMONTH;

结果是

201301    5000
201302    13245

---

我怎样才能在熊猫身上做到这一点

我相信这就是你想要的：

table.groupby('YEARMONTH').CLIENTCODE.nunique()

例如：

In [2]: table
Out[2]: 
   CLIENTCODE  YEARMONTH
0           1     201301
1           1     201301
2           2     201301
3           1     201302
4           2     201302
5           2     201302
6           3     201302

In [3]: table.groupby('YEARMONTH').CLIENTCODE.nunique()
Out[3]: 
YEARMONTH
201301       2
201302       3

---

有趣的是，通常

len（unique（））

比

nunique（）快几倍（3x-15x）

这里有另一种方法，非常简单，假设您的数据帧名称是

daat

，列名是

YEARMONTH

daat.YEARMONTH.value_counts()

---

使用

crosstab

，这将返回比

groupby

nunique

pd.crosstab(df.YEARMONTH,df.CLIENTCODE)
Out[196]: 
CLIENTCODE  1  2  3
YEARMONTH          
201301      2  1  0
201302      1  2  1

稍加修改后，生成结果

pd.crosstab(df.YEARMONTH,df.CLIENTCODE).ne(0).sum(1)
Out[197]: 
YEARMONTH
201301    2
201302    3
dtype: int64

---

我也在使用

nunique

，但如果您必须使用聚合函数，如

“min”、“max”、“count”或“mean”

等，这将非常有用

df.groupby('YEARMONTH')['CLIENTCODE'].transform('nunique') #count(distinct)
df.groupby('YEARMONTH')['CLIENTCODE'].transform('min')     #min
df.groupby('YEARMONTH')['CLIENTCODE'].transform('max')     #max
df.groupby('YEARMONTH')['CLIENTCODE'].transform('mean')    #average
df.groupby('YEARMONTH')['CLIENTCODE'].transform('count')   #count

---

有了新的pandas版本，很容易获得数据帧

unique_count = pd.groupby(['YEARMONTH'], as_index=False).agg(uniq_CLIENTCODE =('CLIENTCODE',pd.Series.count))

---

这里提供了一种在多个列上具有不同计数的方法。让我们来看一些数据：

data = {'CLIENT_CODE':[1,1,2,1,2,2,3],
        'YEAR_MONTH':[201301,201301,201301,201302,201302,201302,201302],
        'PRODUCT_CODE': [100,150,220,400,50,80,100]
       }
table = pd.DataFrame(data)
table

CLIENT_CODE YEAR_MONTH  PRODUCT_CODE
0   1       201301      100
1   1       201301      150
2   2       201301      220
3   1       201302      400
4   2       201302      50
5   2       201302      80
6   3       201302      100

现在，列出感兴趣的列，并以稍加修改的语法使用groupby：

columns = ['YEAR_MONTH', 'PRODUCT_CODE']
table[columns].groupby(table['CLIENT_CODE']).nunique()

我们获得：

YEAR_MONTH  PRODUCT_CODE CLIENT_CODE        
1           2            3
2           2            3
3           1            1

列的不同部分以及其他列上的聚合 要获得任何列的不同数值（

CLIENTCODE

，在您的情况下），我们可以使用

nunique

。我们可以在

agg

函数中将输入作为字典传递，并在其他列上进行聚合：

grp_df=df.groupby（'YEARMONTH'）.agg（{'CLIENTCODE'：['nunique']，
'other_col_1'：['sum'，'count']}）
#展平多级柱的步骤
grp_df.columns=[“_.join（col）.strip（）表示grp_df.columns.values中的col]
#如果要重置索引
grp_df.重置索引（就地=真）

我已经完成了table.groupby（['YEARMONTH']）['CLIENTCODE'].unique（），并提供了按YEARMONTH索引的两个系列和所有唯一值。如何计算每个系列上的值的数量？对于一些人来说，

value\u counts

可能是你想要的答案：你是说这个

.CLIENTCODE.apply（lambda x:len（x.unique（））

，从@user32185开始，您必须使用lambda将其放入

apply

调用中。例如，

df.groupby（'YEARMONTH'）['CLIENTCODE'].apply（lambda x:x.unique（）.shape[0]）

。语法不完全清楚，我使用了

len（df['column'].unique（））

不需要lambda函数我得到了

TypeError:method类型的对象没有len（）

来自

Chen的
注释，
3novak的
对我很有用。如果我有多个列，我希望它们在一起是唯一的，比如。drop_重复项（子集=['col1'，'col2'）？如何访问这个唯一计数。由于没有列名，所以我在重采样的输出中使用了这种样式。df_watch_record.resample（'M'）.user.nunique（）统计每月观看电影的唯一用户数，并使用table.groupby（'YEARMONTH'）.CLIENTCODE.nunique（）对其进行排序。排序_值（升序=False）是否可以对多个列应用此值？现在在这个例子中，只选择了一列。我喜欢这个答案。如果我的列名中有“.”（例如“ck.Class”），如何使用此方法？Thanksdaat['ck.Class'].value_counts（）这并没有解决所问的问题。这是计算每个组内观察值的数量，而不是每个组具有的特定列的唯一值。这是错误的答案；它没有反映问题的
不同的
要求！此外，它不包括
NaN
的计数！如何将其导出为两列
YEARMONTH
和
count
。我还可以按降序设置计数吗？