🔢 Как посчитать количество уникальных значений в pandas

Для подсчета количества уникальных значений в pandas можно использовать метод value_counts. Он возвращает серию, содержащую уникальные значения и количество их повторений.

import pandas as pd

# Создание серии с данными
data = pd.Series([1, 2, 3, 2, 1, 3, 3])

# Подсчет уникальных значений
unique_values = data.value_counts()
print(unique_values)

Результат:

3    3
2    2
1    2
dtype: int64

В данном примере у нас есть значения 1, 2 и 3. Значение 3 встречается 3 раза, значение 2 - 2 раза, а значение 1 - 2 раза.

Как посчитать количество уникальных значений в Pandas

В программировании очень часто возникает необходимость подсчитать количество уникальных значений в столбце или в датафрейме. В библиотеке Pandas для этой задачи есть несколько способов. Давайте рассмотрим наиболее эффективные и удобные из них.

1. Метод value_counts()

Метод value_counts() в Pandas позволяет подсчитать количество уникальных значений в столбце и вывести их в отсортированном порядке. Этот метод возвращает Series, в котором значения являются уникальными значениями, а индексы - сами значения. Чтобы получить количество уникальных значений, можно просто вызвать метод len() для результата value_counts(). Вот пример:

import pandas as pd

# Создаем датафрейм
df = pd.DataFrame({'Столбец': [1, 2, 2, 3, 4, 4, 4]})

# Используем метод value_counts()
counts = df['Столбец'].value_counts()

# Выводим количество уникальных значений
print(len(counts))

Результатом выполнения данного кода будет число 4, так как в столбце "Столбец" содержится 4 уникальных значения: 1, 2, 3 и 4.

2. Метод nunique()

Еще один способ подсчета уникальных значений в Pandas - использование метода nunique(). Этот метод возвращает количество уникальных значений в столбце или датафрейме. Вот пример использования:

import pandas as pd

# Создаем датафрейм
df = pd.DataFrame({'Столбец': [1, 2, 2, 3, 4, 4, 4]})

# Используем метод nunique()
count = df['Столбец'].nunique()

# Выводим количество уникальных значений
print(count)

В данном примере результатом выполнения будет число 4, так как в столбце "Столбец" содержится 4 уникальных значения: 1, 2, 3 и 4.

3. Метод unique()

Метод unique() в Pandas позволяет получить массив с уникальными значениями столбца или датафрейма. Для подсчета уникальных значений можно воспользоваться этим методом и вычислить длину возвращенного массива. Вот пример:

import pandas as pd

# Создаем датафрейм
df = pd.DataFrame({'Столбец': [1, 2, 2, 3, 4, 4, 4]})

# Используем метод unique()
unique_values = df['Столбец'].unique()

# Выводим количество уникальных значений
print(len(unique_values))

В данном примере результатом выполнения будет число 4, так как в столбце "Столбец" содержится 4 уникальных значения: 1, 2, 3 и 4.

4. Метод drop_duplicates()

Метод drop_duplicates() позволяет удалить все повторяющиеся строки из датафрейма, оставив только уникальные записи. После этого можно просто посчитать количество строк в полученном датафрейме. Вот пример:

import pandas as pd

# Создаем датафрейм
df = pd.DataFrame({'Столбец': [1, 2, 2, 3, 4, 4, 4]})

# Используем метод drop_duplicates()
df_unique = df.drop_duplicates()

# Выводим количество уникальных значений
print(len(df_unique))

В данном примере результатом выполнения будет число 4, так как после удаления повторяющихся строк останутся только 4 уникальные записи.

Общий вывод

В этой статье мы рассмотрели несколько способов подсчета количества уникальных значений в Pandas. Вы можете выбрать подходящий метод в зависимости от своей конкретной задачи. Метод value_counts() удобен, если вам также нужно вывести уникальные значения в отсортированном порядке. Методы nunique(), unique() и drop_duplicates() также позволяют получить количество уникальных значений, но они возвращают разные типы данных, и могут быть полезны в других ситуациях.

Надеюсь, данная информация была полезной для вас! Успехов в использовании Pandas!