dataframe一列去重计数

可以使用pandas库中的value_counts()方法对一个DataFrame的某一列进行去重计数。例如，假设我们有如下的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'name': ['Tom', 'Jerry', 'Mike', 'Tom', 'Lucy', 'Jerry', 'Lucy', 'John', 'Tom', 'Jerry'],
    'age': [23, 25, 27, 22, 24, 26, 28, 30, 32, 29]
})

我们想要对name这一列进行去重计数，可以使用以下代码：

name_counts = df['name'].value_counts()
print(name_counts)

输出结果为：

Jerry    3
Tom      3
Lucy     2
Mike     1
John     1
Name: name, dtype: int64

其中，每个值的计数都显示在它对应的索引位置上。例如，Jerry出现了3次，因此它的计数是3。

相关问题

pandas groupby 去重计数

你可以使用 `groupby` 和 `nunique` 方法来对 Pandas DataFrame 进行分组后的去重计数。这里的 `groupby` 方法用于按照指定的列对数据进行分组，而 `nunique` 方法用于计算每个组中独特值的数量。

下面是一个示例代码：

import pandas as pd

# 创建示例 DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one']}

df = pd.DataFrame(data)

# 使用 groupby 和 nunique 进行分组去重计数
count = df.groupby('A')['B'].nunique()

print(count)

输出结果将是每个组中唯一值的数量：

A
bar    2
foo    2
Name: B, dtype: int64

这表示在列 'A' 中，'bar' 组有两个不同的唯一值，'foo' 组也有两个不同的唯一值。

dataframe如何做分组去重统计

您可以使用pandas库来对DataFrame进行分组去重统计，具体可以按照以下步骤进行：

1. 使用groupby()方法对需要分组的列进行分组，例如：

grouped = df.groupby('column_name')

2. 对分组后的数据使用agg()方法进行聚合操作，例如：

result = grouped.agg({'column_name_1': 'count', 'column_name_2': 'nunique'})

上面的代码中，我们对两个列进行了聚合操作，其中'column_name_1'列使用了count()函数进行计数，'column_name_2'列使用了nunique()函数去重统计。

3. 最后，您可以使用reset_index()方法将分组后的结果转换为一个新的DataFrame，并且重置索引，例如：

result = result.reset_index()

这样，您就可以得到一个按照指定列分组后，对其他列进行去重统计的结果。