HOWTO · Pandas
Contar valores únicos por grupos en los pandas
contar los valores agrupando la columna en DataFrame usando los métodos df.groupby().nunique(), df.groupby().agg(), y df.groupby().unique() en la biblioteca de pandas
Cuando trabajamos con grandes conjuntos de datos, a veces tenemos que aplicar alguna función a un grupo específico de datos. Por ejemplo, tenemos un conjunto de datos de países y el código privado que utilizan para asuntos privados. Queremos contar el número de códigos que utiliza un país. A continuación se enumeran las diferentes formas de contar los valores únicos.
Usaremos el mismo DataFrame en las siguientes secciones como sigue,
import pandas as pd
data = [
[999, "Switzerland"],
[113, "Switzerland"],
[112, "Japan"],
[112, "Switzerland"],
[113, "Canada"],
[114, "Japan"],
[100, "Germany"],
[114, "Japan"],
[115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
print(df)
El resultado será el siguiente.
code Countries
0 999 Switzerland
1 113 Switzerland
2 112 Japan
3 112 Switzerland
4 113 Canada
5 114 Japan
6 100 Germany
7 114 Japan
8 115 Germany
df.groupby().nunique() método
Veamos cómo la función df.groupby().nunique() se agrupará por nuestros países.
import pandas as pd
data = [
[999, "Switzerland"],
[113, "Switzerland"],
[112, "Japan"],
[112, "Switzerland"],
[113, "Canada"],
[114, "Japan"],
[100, "Germany"],
[114, "Japan"],
[115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby("Countries")["code"].nunique()
print(result)
El resultado será el siguiente.
Countries
Canada 1
Germany 2
Japan 2
Switzerland 3
Name: code, dtype: int64
Esto muestra que Canadá está usando un código, Alemania está usando dos códigos, y así sucesivamente.
df.groupby().agg() método
Este método funciona igual que df.groupby().nunique(). Necesitamos pasar la función nunique() a la función agg().
import pandas as pd
data = [
[999, "Switzerland"],
[113, "Switzerland"],
[112, "Japan"],
[112, "Switzerland"],
[113, "Canada"],
[114, "Japan"],
[100, "Germany"],
[114, "Japan"],
[115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby(by="Countries", as_index=False).agg({"code": pd.Series.nunique})
print(result)
Producción :
Countries code
0 Canada 1
1 Germany 2
2 Japan 2
3 Switzerland 3
.agg({'code': pd.Series.nunique})
Se agrega usando la función pd.Series.nunique sobre la columna code.
df.groupby().unique() método
Este método es útil cuando se quiere ver qué país está usando qué códigos.
import pandas as pd
data = [
[999, "Switzerland"],
[113, "Switzerland"],
[112, "Japan"],
[112, "Switzerland"],
[113, "Canada"],
[114, "Japan"],
[100, "Germany"],
[114, "Japan"],
[115, "Germany"],
]
result = df.groupby("Countries")["code"].unique()
print(result)
Se obtendrán los siguientes resultados.
Countries
Canada [113]
Germany [100, 115]
Japan [112, 114]
Switzerland [999, 113, 112]
Name: code, dtype: object