web-dev-qa-db-fra.com

Compter des valeurs uniques avec pandas par groupes

J'ai besoin de compter des valeurs _ ID uniques dans chaque domain j'ai des données

ID, domain
123, 'vk.com'
123, 'vk.com'
123, 'Twitter.com'
456, 'vk.com'
456, 'facebook.com'
456, 'vk.com'
456, 'google.com'
789, 'Twitter.com'
789, 'vk.com'

J'essaie df.groupby(['domain', 'ID']).count() Mais je veux obtenir

domain, count
vk.com   3
Twitter.com   2
facebook.com   1
google.com   1
pythonpandasgroup-byuniquepandas-groupby
131
Arseniy Krupenin

Vous avez besoin de nunique :

df = df.groupby('domain')['ID'].nunique()

print (df)
domain
'facebook.com'    1
'google.com'      1
'Twitter.com'     2
'vk.com'          3
Name: ID, dtype: int64

Si vous avez besoin de strip' caractères:

df = df.ID.groupby([df.domain.str.strip("'")]).nunique()
print (df)
domain
facebook.com    1
google.com      1
Twitter.com     2
vk.com          3
Name: ID, dtype: int64

Ou comme Jon Clements commenté:

df.groupby(df.domain.str.strip("'"))['ID'].nunique()

Vous pouvez conserver le nom de la colonne comme ceci:

df = df.groupby(by='domain', as_index=False).agg({'ID': pd.Series.nunique})
print(df)
    domain  ID
0       fb   1
1      ggl   1
2  Twitter   2
3       vk   3

La différence est que nunique() renvoie une série et agg() renvoie un DataFrame.

173
jezrael

Généralement, pour compter des valeurs distinctes dans une seule colonne, vous pouvez utiliser Series.value_counts :

_df.domain.value_counts()

#'vk.com'          5
#'Twitter.com'     2
#'facebook.com'    1
#'google.com'      1
#Name: domain, dtype: int64
_

Pour voir le nombre de valeurs uniques dans une colonne, utilisez Series.nunique :

_df.domain.nunique()
# 4
_

Pour obtenir toutes ces valeurs distinctes, vous pouvez utiliser unique ou drop_duplicates , la légère différence entre les deux fonctions est que unique renvoie un _numpy.array_ while _drop_duplicates_ renvoie un _pandas.Series_:

_df.domain.unique()
# array(["'vk.com'", "'Twitter.com'", "'facebook.com'", "'google.com'"], dtype=object)

df.domain.drop_duplicates()
#0          'vk.com'
#2     'Twitter.com'
#4    'facebook.com'
#6      'google.com'
#Name: domain, dtype: object
_

En ce qui concerne ce problème spécifique, puisque vous voudriez compter une valeur distincte par rapport à une autre variable, outre la méthode groupby fournie par d’autres réponses ici, vous pouvez également tout simplement supprimer les doublons d’abord, puis faire value_counts():

_import pandas as pd
df.drop_duplicates().domain.value_counts()

# 'vk.com'          3
# 'Twitter.com'     2
# 'facebook.com'    1
# 'google.com'      1
# Name: domain, dtype: int64
_
170
Psidom

df.domain.value_counts ()

>>> df.domain.value_counts()

vk.com          5

Twitter.com     2

google.com      1

facebook.com    1

Name: domain, dtype: int64
25
kamran kausar

IIUC vous voulez le nombre de différents ID pour chaque domain, alors vous pouvez essayer ceci:

output = df.drop_duplicates()
output.groupby('domain').size()

sortie:

    domain
facebook.com    1
google.com      1
Twitter.com     2
vk.com          3
dtype: int64

Vous pouvez également utiliser value_counts, qui est légèrement moins efficace. Mais le meilleur est la réponse de Jezrael utilisant nunique:

%timeit df.drop_duplicates().groupby('domain').size()
1000 loops, best of 3: 939 µs per loop
%timeit df.drop_duplicates().domain.value_counts()
1000 loops, best of 3: 1.1 ms per loop
%timeit df.groupby('domain')['ID'].nunique()
1000 loops, best of 3: 440 µs per loop
10
ysearka