python - 如何计算 Pandas Dataframe 中变量的唯一组合

Question

我正在使用 pandas 来计算数据框中变量集的唯一组合。我目前正在使用 .groupby() 函数，但我认为我缺少它的部分功能。

示例代码:

import pandas
df = pd.DataFrame([['A','C','G'],
                   ['A','C','H'],
                   ['A','D','G'],
                   ['A','D','H'],
                   ['B','E','I'],
                   ['B','F','I']], columns=['a','b','c'])
df

   a  b  c
0  A  C  G
1  A  C  H
2  A  D  G
3  A  D  H
4  B  E  I
5  B  F  I

假设我想知道，对于每个唯一值 a，它有多少个不同的 b？在此示例中，所需的输出是 A: 2, B:2，因为 A 有两个唯一的 b 值，B 有两个唯一的 b 值。

如果我计算每个 a 的唯一 c，我会期望 A:2，B:1。

我当前的代码是:

df.groupby(['a','b'],as_index=False).count().groupby(['a'], as_index=False).count()[['a','b']]

   a  b
0  A  2
1  B  2

df.groupby(['a','c'], as_index=False).count().groupby(['a'],as_index=False).count()[['a','c']]

   a  c
0  A  2
1  B  1

这给了我正确的结果，但我认为应该有一种方法可以避免两组 groupby() 和 count()，不是吗？

Answer 1

nunique 怎么样？

df.groupby('a')['b'].nunique()
Out[36]: 
a
A    2
B    2
Name: b, dtype: int64