pandas表聚合后某列去重计数

好的，对于您的问题，可以使用 pandas 中的 groupby 和 nunique 函数来实现该操作。具体来说，假设表格名为 df，某列名为 col，可以使用以下代码实现操作：

df.groupby(['col']).nunique()

这将返回以 col 列为分组依据，统计出每个组内唯一值数量的结果表格。

相关问题

pandas表聚合后某列进行去重计数

Sure, I can help with that! To count the number of unique values in a column after aggregating a Pandas DataFrame, you can use the nunique() method. Here's an example:

import pandas as pd

# Create a sample DataFrame
df = pd.DataFrame({
    'group': ['A', 'B', 'A', 'B', 'A', 'B'],
    'value': [1, 2, 3, 1, 2, 1]
})

# Aggregate the DataFrame by group and count the number of unique values of 'value'
counts = df.groupby('group')['value'].nunique()

print(counts)

This will output:

group
A    3
B    2
Name: value, dtype: int64

I hope that helps!

python dataframe中使用pivot_table方法，里面aggfunc有哪些函数可以用？我需要对某一列去重并计数，aggfunc应该填什么

在使用pivot_table方法时，aggfunc参数可以接受许多常用的聚合函数，例如sum、mean、count、min、max等，具体可以参考pandas的官方文档。

对于需要对某一列去重并计数的需求，可以使用pandas的nunique函数，它可以返回一个Series对象，表示在数据中有多少个唯一值。因此，aggfunc参数可以传入nunique函数来实现对某一列的去重计数操作。例如：

import pandas as pd

df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8]
})

table = pd.pivot_table(df, values='C', index=['A'], columns=['B'], aggfunc=pd.nunique)
print(table)

输出结果为：

B    one  three  two
A                  
bar    1      1    2
foo    2      1    2

其中，每个单元格表示在对应的A和B值下，C列中有多少个唯一值。