Si tengo una tabla como esta:
df = pd.DataFrame({ 'hID': [101, 102, 103, 101, 102, 104, 105, 101], 'dID': [10, 11, 12, 10, 11, 10, 12, 10], 'uID': ['James', 'Henry', 'Abe', 'James', 'Henry', 'Brian', 'Claude', 'James'], 'mID': ['A', 'B', 'A', 'B', 'A', 'A', 'A', 'C'] }) Puedo count(distinct hID) en Qlik para llegar a un conteo de 5 para hID único. ¿Cómo hago eso en python usando un marco de datos de pandas? ¿O tal vez una matriz numpy? Del mismo modo, si tuviera que count(hID) , obtendría 8 en Qlik. ¿Cuál es la forma equivalente de hacerlo en pandas?
Cuente valores distintos, use nunique :
df['hID'].nunique() 5 Cuente solo valores no nulos, use count :
df['hID'].count() 8 Cuente los valores totales, incluidos los valores nulos, use el atributo de size :
df['hID'].size 8Utilice la indexación booleana:
df.loc[df['mID']=='A','hID'].agg(['nunique','count','size']) O usando query :
df.query('mID == "A"')['hID'].agg(['nunique','count','size'])Producción:
nunique 5 count 5 size 5 Name: hID, dtype: int64Si asumo que los datos son el nombre de su marco de datos, puede hacer:
data['race'].value_counts()esto le mostrará el elemento distintivo y su número de ocurrencia.
O obtenga el número de valores únicos para cada columna:
df.nunique() dID 3 hID 5 mID 3 uID 5 dtype: int64 Nuevo en pandas 0.20.0 pd.DataFrame.agg
df.agg(['count', 'size', 'nunique']) dID hID mID uID count 8 8 8 8 size 8 8 8 8 nunique 3 5 3 5 Siempre has podido hacer una groupby agg Usé stack al final porque me gusta más la presentación.
df.groupby('mID').agg(['count', 'size', 'nunique']).stack() dID hID uID mID A count 5 5 5 size 5 5 5 nunique 3 5 5 B count 2 2 2 size 2 2 2 nunique 2 2 2 C count 1 1 1 size 1 1 1 nunique 1 1 1