在pandas中获取一行中唯一值的数量

Question

假设我有以下数据框：

0     1        2
new   NaN      NaN
new   one      one
a     b        c
NaN   NaN      NaN

如何获取一行中唯一（非NaN）值的数量，例如：

0     1        2       _num_unique_values
new   NaN      NaN     1
new   one      one     2
a     b        c       3
NaN   NaN      NaN     0

我想它大概是这样的：

df['_num_unique_values'] = len(set(df.loc.tolist())) ??

- user10332687

Answer 1

只需要使用nunique(axis=1)。

import numpy as np
import pandas as pd

data={0:['new','new','a',np.nan],
     1:[np.nan,'one','b', np.nan],
     2:[np.nan,np.nan,'c',np.nan]}
df = pd.DataFrame(data)

# print(df.nunique(axis=1))

df['num_unique'] = df.nunique(axis=1)

- Prayson W. Daniel

Answer 2

使用列表生成式...与set一起：

df['num_uniq'] = [len(set(v[pd.notna(v)].tolist())) for v in df.values]
df

     0    1    2  num_uniq
0  new  NaN  NaN         1
1  new  one  one         2
2    a    b    c         3
3  NaN  NaN  NaN         0

你可以使用 stack、groupby 和 nunique 来完成这项任务。

# df.join(df.stack().groupby(level=0).nunique().to_frame('num_uniq'))
df['num_uniq'] = df.stack().groupby(level=0).nunique()
df

     0    1    2  num_uniq
0  new  NaN  NaN       1.0
1  new  one  one       2.0
2    a    b    c       3.0
3  NaN  NaN  NaN       NaN

另一个选项是使用apply和nunique:

df['num_uniq'] = df.apply(pd.Series.nunique, axis=1)
df

     0    1    2  num_uniq
0  new  NaN  NaN         1
1  new  one  one         2
2    a    b    c         3
3  NaN  NaN  NaN         0

---

性能

df_ = df
df = pd.concat([df_] * 1000, ignore_index=True)

%timeit df['num_uniq'] = [len(set(v[pd.notna(v)])) for v in df.values]
%timeit df['num_uniq'] = df.stack().groupby(level=0).nunique()
%timeit df['num_uniq'] = df.apply(pd.Series.nunique, axis=1)
%timeit df['num_uniq'] = df.nunique(1)

196 ms ± 10.1 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
6.34 ms ± 343 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
679 ms ± 24 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
3.21 ms ± 343 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

- cs95

---

出于好奇，你认为这三种方法中哪一种会有最佳性能？看到那将是很有趣的。--领先一步！ - user10332687

这个似乎更快：df.nunique(1) - df.isnull().any(1).astype(int) - Vaishali

当然可以添加。 - Vaishali

@ayhan 我意识到我搞砸了。nunique确实忽略NaN！ - cs95

@PraysonW.Daniel，谢谢，我的错，没有测试它，我已经评论并点赞了你的答案。 - cs95

Answer 3

更抽象的解决方案：

df['num_uniq']=df.nunique(axis=1)

- user12340241

Answer 4

虽然不如 coldspeed 的 set() 答案快，但你也可以这样做

df['_num_unique_values'] = df.T.nunique()

首先使用df.T获取df数据框的转置，然后使用nunique()函数获取不包括NaN值的唯一值计数。

将此作为新列添加到原始数据框中。

现在df将变为：

    0   1   2   _num_unique_values
0   new nan nan 1
1   new one one 2
2   a   b   c   3
3   nan nan nan 0

- J...S