跳转至

大熊猫聚集中的独特计数

原文:https://www.geesforgeks.org/count-distinct-in-pandas-aggregation/

在这篇文章中,让我们看看如何在熊猫聚集中计算不同的数量。因此,为了计算熊猫聚合中的差异,我们将使用 groupby()和 add()方法。

  • group by():该方法用于根据一些标准将数据拆分成组。熊猫的物体可以在它们的任何一个轴上分开。我们可以创建一组类别,并对这些类别应用一个函数。分组的抽象定义是提供标签到组名的映射
  • 【agg():这个方法是用来传递一个函数或者函数列表,分别应用于一个数列甚至数列的每个元素。在函数列表的情况下,agg()方法会返回多个结果。

下面是一些描述如何在熊猫聚合中计算不同的例子:

*例 1:*

计算机编程语言

# import module
import pandas as pd
import numpy as np

# create Data frame
df = pd.DataFrame({'Video_Upload_Date': ['2020-01-17',
                                         '2020-01-17',
                                         '2020-01-19',
                                         '2020-01-19',
                                         '2020-01-19'],
                   'Viewer_Id': ['031', '031', '032',
                                 '032', '032'],
                   'Watch_Time': [34, 43, 43, 41, 40]})

# print original Dataframe
print(df)

# let's Count distinct in Pandas aggregation
df = df.groupby("Video_Upload_Date").agg(
    {"Watch_Time": np.sum, "Viewer_Id": pd.Series.nunique})

# print final output
print(df)

*输出:*

*例 2:*

计算机编程语言

# import module
import pandas as pd
import numpy as np

# create Data frame
df = pd.DataFrame({'Order Date': ['2021-02-22',
                                  '2021-02-22',
                                  '2021-02-22',
                                  '2021-02-24',
                                  '2021-02-24'],
                   'Product Id': ['021', '021',
                                  '022', '022', '022'],
                   'Order Quantity': [23, 22, 22,
                                      45, 10]})

# print original Dataframe
print(df)

# let's Count distinct in Pandas aggregation
df = df.groupby("Order Date").agg({"Order Quantity": np.sum,
                                   "Product Id": pd.Series.nunique})

# print final output
print(df)

*输出:*



回到顶部