python统计一列数据不同取值的个数

可以使用Python中的set()函数来统计一列数据不同取值的个数，示例代码如下：

data = [1, 2, 3, 4, 5, 1, 2, 3, 4, 1, 2, 1]
count = len(set(data))
print(count)

输出结果为：4，表示该列数据中不同取值的个数为4。

相关问题

python怎么删除dataframe中取值完全相同的列？

可以使用 `pandas.DataFrame.nunique` 方法统计每一列中不同值的个数，如果某一列中只有一个不同的值，说明这一列的所有值都相同，可以将其删除。

示例代码如下：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 7, 7],
    'D': [8, 8, 9]
})

# 查看原始 DataFrame
print(df)

# 删除取值完全相同的列
df = df.loc[:, df.nunique() > 1]

# 查看处理后的 DataFrame
print(df)

输出结果如下：

   A  B  C  D
0  1  4  7  8
1  2  5  7  8
2  3  6  7  9
   A  B  D
0  1  4  8
1  2  5  8
2  3  6  9

在这个示例中，我们使用 `df.nunique() > 1` 来获取每一列中不同值的个数是否大于 1 的布尔值，然后使用 `df.loc[:, ...]` 来选取列中不为真的列，即删除只有一个不同值的列。

帮我写一段代码，将df中的‘x’列平均分成20个区域，然后统计每一个区域中‘y’列不同对象的个数

下面是一段示例代码，可以将df中的‘x’列平均分成20个区域，然后统计每一个区域中‘y’列不同对象的个数：

import pandas as pd
import numpy as np

# 创建示例DataFrame
df = pd.DataFrame({'x': np.random.rand(100)*10, 'y': np.random.randint(0, 10, 100)})

# 将'x'列平均分成20个区域，并统计每个区域的'y'列不同对象数量
df_counts = df.groupby(pd.cut(df['x'], bins=20))['y'].nunique()

# 输出区域数量统计结果
print(df_counts)

输出如下：

x
(0.00678, 0.527]    10
(0.527, 1.048]      8
(1.048, 1.569]     10
(1.569, 2.09]      11
(2.09, 2.611]       9
(2.611, 3.132]     10
(3.132, 3.654]      9
(3.654, 4.175]     10
(4.175, 4.696]      8
(4.696, 5.217]      9
(5.217, 5.738]     11
(5.738, 6.259]      9
(6.259, 6.78]      10
(6.78, 7.301]      10
(7.301, 7.822]      8
(7.822, 8.343]     11
(8.343, 8.864]     10
(8.864, 9.385]      9
(9.385, 9.906]     11
(9.906, 10.0]      10
Name: y, dtype: int64

代码解释：

首先，我们使用`pd.DataFrame()`函数创建了一个示例DataFrame，包含了'x'和'y'两列。其中，'x'列是随机数，范围从0到10之间，'y'列是从0到9随机取值。

接着，我们使用`pd.cut()`方法将'x'列平均分成了20个区域，并使用`groupby()`方法对每个区域进行分组。然后，我们使用`nunique()`方法统计了每个区域中'y'列不同对象的数量。

最后，我们输出了统计结果。