pandas df 中当前唯一值的计数

Pandas

<Pandas df 中当前唯一值的计数案例代码>

Python
import Pandas as pd
# 创建示例数据
data = {'姓名': ['张三', '李四', '王五', '张三', '李四', '赵六'],
        '年龄': [20, 25, 30, 20, 25, 30],
        '性别': ['男', '男', '女', '男', '男', '女']}
df = pd.DataFrame(data)
# 计算每列唯一值的计数
count = df.nunique()
print(count)

标题：Pandas DataFrame 中当前唯一值的计数

在数据分析和处理的过程中，我们经常需要统计DataFrame中每一列中的唯一值以及其出现的次数。Pandas提供了一个非常方便的方法，可以快速计算DataFrame中每一列中唯一值的计数。接下来，我们将介绍如何使用Pandas来实现这一功能，并通过一个案例代码来说明其用法。

案例代码

首先，我们需要导入Pandas库，并创建一个示例DataFrame。假设我们有一个包含姓名、年龄和性别的DataFrame，如下所示：

| 姓名 | 年龄 | 性别 |

|:-----:|:-----:|:-----:|

| 张三 | 20 | 男 |

| 李四 | 25 | 男 |

| 王五 | 30 | 女 |

| 张三 | 20 | 男 |

| 李四 | 25 | 男 |

| 赵六 | 30 | 女 |

我们可以使用nunique()方法来计算每一列中唯一值的数量。下面是计算结果：

| 姓名 | 年龄 | 性别 |

|:-----:|:-----:|:-----:|

| 3 | 3 | 2 |

通过以上代码，我们可以得到每一列中唯一值的计数。例如，'姓名'列中有3个唯一值，'年龄'列中也有3个唯一值，而'性别'列中有2个唯一值。

这个功能在数据分析中非常实用。我们可以根据这些唯一值的计数来进行数据清洗、特征工程、数据可视化等操作。而Pandas提供的这个方法让我们能够快速获取这些统计结果，极大地方便了我们的工作。

在实际应用中，我们可能会遇到更大规模的数据集，甚至包含数百万行的数据。即使在这种情况下，Pandas的计算效率也非常高，可以快速完成计数操作。

在本篇文章中，我们介绍了如何使用Pandas来计算DataFrame中每一列的唯一值计数，并通过一个案例代码进行了说明。希望本文对你理解和使用这个功能有所帮助。