python - 按组每列的唯一值数

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

我想为 A 的每个值查找其他列中唯一值的数量。

1. 我认为以下内容可以做到这一点:

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

   但是我得到一个错误:

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

2. 我也试过:

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

   但我也得到了错误:

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

3. 最后我尝试了:

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

   返回:

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

   似乎是正确的。奇怪的是，它还在结果中返回列 A。为什么？

Answer 1

DataFrame 对象没有nunique，只有Series 有。您必须选择要应用 nunique() 的列。您可以使用简单的点运算符执行此操作:

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

将打印:

A
bar     2
flux    2
foo     3

并做:

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

将打印:

A
bar     1
flux    2
foo     2

或者，您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()})

将打印:

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

要回答关于为什么递归 lambda 也打印 A 列的问题，这是因为当您执行 groupby/apply 操作时，您现在正在遍历三个 DataFrame 对象。每个 DataFrame 对象都是原始对象的子 DataFrame。对其应用操作会将其应用于每个 Series。每个要应用 nunique() 运算符的 DataFrame 有三个 Series。

在每个 DataFrame 上评估的第一个 Series 是 A Series，因为你已经完成了A上的groupby，你知道在每个DataFrame中，A中只有一个唯一值 系列。这解释了为什么您最终得到一个包含所有 1 的 A 结果列。