Pandas aggregate函数来对数据进行聚合后，统计唯一值的个数

在本文中，我们将介绍如何使用Pandas的aggregate函数来对数据进行聚合后，统计唯一值的个数。

阅读更多：Pandas 教程

聚合函数

在Pandas中，可以使用groupby函数对数据进行分组，然后使用聚合函数对每个分组的数据进行计算，例如求每组数据的平均值、最大值、最小值等。Pandas中的聚合函数包括count、mean、median、sum等。其中，count函数用于计算每组数据中的元素个数。

例如，我们有以下数据：

import pandas as pd

data = {
    'Name': ['Tom', 'Tom', 'Ben', 'Ben', 'Alice', 'Bob'],
    'Age': [20, 23, 25, 27, 22, 20],
    'Gender': ['M', 'M', 'M', 'M', 'F', 'M'],
    'Score': [80, 90, 85, 95, 88, 92]
}

df = pd.DataFrame(data)

我们可以使用groupby函数对数据按照Gender进行分组，然后对每组数据使用count函数统计元素个数：

df.groupby('Gender')['Name'].count()

输出结果为：

Gender
F    1
M    5
Name: Name, dtype: int64

可以看出，在Gender为F的分组中，数据有1个，Gender为M的分组中，数据有5个。

Pandas aggregate函数

Pandas中的aggregate函数可以对每个分组的数据应用多个聚合函数，将结果合并为一个DataFrame。

例如，我们仍然使用上述数据，但是需要统计每个分组中Age的平均值和最大值，以及Score的最小值：

df.groupby('Gender').agg({'Age': ['mean', 'max'], 'Score': 'min'})

输出结果为：

           Age     Score
          mean max   min
Gender                  
F        22.00  22    88
M        23.00  27    80

其中，Age的mean表示平均值，max表示最大值；Score的min表示最小值。

count distinct的实现

如果我们需要在每个分组中统计某一列中的唯一值个数，可以使用Pandas中的nunique函数。

例如，我们使用以下数据：

data = {
    'Name': ['Tom', 'Tom', 'Ben', 'Ben', 'Alice', 'Bob'],
    'Gender': ['M', 'M', 'M', 'M', 'F', 'M'],
    'Fruit': ['Apple', 'Orange', 'Apple', 'Banana', 'Apple', 'Apple']
}

df = pd.DataFrame(data)

我们可以使用以下代码统计每个分组中Fruit这一列中唯一值的个数：

df.groupby('Gender')['Fruit'].nunique()

输出结果为：

Gender
F    1
M    3
Name: Fruit, dtype: int64

可以看出，Gender为F的分组中，Fruit这一列有1个唯一值，而Gender为M的分组中，Fruit这一列有3个唯一值。

条件筛选

在进行count distinct操作时，有时我们需要对数据进行条件筛选。这时，可以使用Pandas中的query方法。

例如，我们使用以下数据：

data = {
    'Name': ['Tom', 'Tom', 'Ben', 'Ben', 'Alice', 'Bob'],
    'Gender': ['M', 'M', 'M', 'M', 'F', 'M'],
    'Fruit': ['Apple', 'Orange', 'Apple', 'Banana', 'Apple', 'Apple'],
    'Price': [5, 3, 5, 7, 4, 3]
}

df = pd.DataFrame(data)

我们可以使用以下代码，筛选Gender为M且Fruit为Apple的数据，然后统计每个分组中Price这一列中唯一值的个数：

df.query('Gender == "M" & Fruit == "Apple"').groupby('Name')['Price'].nunique()

输出结果为：

Name
Ben    1
Tom    1
Name: Price, dtype: int64

可以看出，Gender为M且Fruit为Apple的数据中，Ben和Tom这两个Name所在的分组中，Price这一列有1个唯一值。

总结

Pandas的aggregate函数非常实用，可以对每个分组中多个列进行不同的聚合操作，而使用nunique函数可以统计每个分组中某一列中的唯一值个数。

同时，使用Pandas的query方法结合分组函数和唯一值计数函数，可以方便地对数据进行条件筛选和统计。

以上就是如何使用Pandas的aggregate函数进行count distinct的介绍，希望对您有帮助！