按组计算每列的唯一值数量

Question

考虑以下数据框：

      A      B  E
0   bar    one  1
1   bar  three  1
2  flux    six  1
3  flux  three  2
4   foo   five  2
5   foo    one  1
6   foo    two  1
7   foo    two  2

我希望能够找到每个 A 值对应的其他列中独一无二的值的数量。

1. I thought the following would do it:

   df.groupby('A').apply(lambda x: x.nunique())
   

   but I get an error:

   AttributeError: 'DataFrame' object has no attribute 'nunique'
   

2. I also tried with:

   df.groupby('A').nunique()
   

   but I also got the error:

   AttributeError: 'DataFrameGroupBy' object has no attribute 'nunique'
   

3. Finally I tried with:

   df.groupby('A').apply(lambda x: x.apply(lambda y: y.nunique()))
   

   which returns:

         A  B  E
   A            
   bar   1  2  1
   flux  1  2  2
   foo   1  3  2
   

   and seems to be correct. Strangely though, it also returns the column A in the result. Why?

- Amelio Vazquez-Reina

---

就我个人而言，你的第三种方法对我有效（对于“E”列，我得到了“2 1 1”），这也是我会建议的方法。 - DSM

Answer 1

DataFrame对象没有nunique，只有Series有。您必须选择要在哪一列上应用nunique()。您可以使用简单的点运算符来完成这个操作：

df.groupby('A').apply(lambda x: x.B.nunique())

会打印：

A
bar     2
flux    2
foo     3

并执行：

df.groupby('A').apply(lambda x: x.E.nunique())

将会打印：

A
bar     1
flux    2
foo     2

您也可以使用一个函数调用来完成此操作：

df.groupby('A').aggregate({'B': lambda x: x.nunique(), 'E': lambda x: x.nunique()})

将会打印出：

      B  E
A
bar   2  1
flux  2  2
foo   3  2

为了回答你关于为什么递归lambda函数也打印出"A"列的问题，这是因为当你进行groupby/apply操作时，你现在正在遍历三个DataFrame对象。每个DataFrame对象都是原始DataFrame的子DataFrame。对其应用操作将应用于每个Series。你正在对应用nunique()运算符的每个DataFrame上执行三个Series。

在每个DataFrame上评估的第一个Series是A Series，并且由于你对A进行了groupby，所以你知道在每个DataFrame中，A Series只有一个唯一值。这就解释了为什么最终会给出一个A结果列，其中包含所有的1。

- huu

---

谢谢 - 我本来希望避免遍历数据框，但可能没有其他选择。 - Amelio Vazquez-Reina

Answer 2

我遇到了同样的问题。 将pandas升级到最新版本后，该问题得到了解决。

df.groupby('A').nunique()

在Pandas 0.19.2版本中，上述代码无法正常工作。我将其升级到了Pandas 0.21.1版本，然后它就可以运行了。

您可以使用以下代码检查版本：

print('Pandas version ' + pd.__version__)

- Aswitha Visvesvaran