Pandas数据框中的去重计数

Question

假设我有一个名为df的Pandas DataFrame，其中包含列a和b，我想要的是每个a对应的不同b值的数量。我可以执行以下操作：

distcounts = df.groupby('a')['b'].nunique()

这将得到所需的结果，但它会作为Series对象而不是另一个DataFrame对象。我想要一个DataFrame对象。在常规SQL中，我会执行以下操作：

SELECT a, COUNT(DISTINCT(b)) FROM df

我还无法完全在Pandas中模仿这个查询。该怎么办？

- mar tin

---

你可以在结果上调用 reset_index() 方法：distcounts = df.groupby('a')['b'].nunique().reset_index() 或者将其转换为数据框：distcounts.to_frame()。 - EdChum

Answer 1

我认为你需要使用reset_index函数：

distcounts = df.groupby('a')['b'].nunique().reset_index()

示例：

df = pd.DataFrame({'a':[7,8,8],
                   'b':[4,5,6]})

print (df)
   a  b
0  7  4
1  8  5
2  8  6

distcounts = df.groupby('a')['b'].nunique().reset_index()
print (distcounts)
   a  b
0  7  1
1  8  2

- jezrael

Answer 2

另一种选择是使用Groupby.agg：

df.groupby('a', as_index=False).agg({'b': 'nunique'})

- Nickil Maveli