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

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。

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。