我有一个Pandas数据框,我想在其中返回每列中唯一值的数量,但应排除某些列。
这就是我习惯于在列中选择唯一值的方法,但我不知道如何迭代它:
pd.unique(df.column_name.ravel())
我的想法是这样的,但显然无效。
col_names = list(df.columns.values)
dont_include = ['foo', 'bar']
cols_to_include = [x for x in col_names if x not in dont_include]
for i in cols_to_include:
col_unique_count = len(pd.unique(df.i.ravel())
什么是最佳解决方案?
答案 0 :(得分:2)
代码可以简化为:
cols_to_include = df.columns[~df.columns.str.contains('foo')]
for col in cols_to_include:
col_unique_count = df[col].nunique()
您可以致电nunique
获取给定系列的唯一值计数
或者:
cols_to_include = df.columns[~df.columns.str.contains('foo')]
df[cols_to_include].apply(pd.Series.nunique)
此处apply
会在每列上调用nunique
修改强>
使用isin
测试成员身份,使用~
来取消布尔掩码:
In [47]:
df = pd.DataFrame(columns = ['foo','baz','bar','pie'])
df
Out[47]:
Empty DataFrame
Columns: [foo, baz, bar, pie]
Index: []
In [48]:
dont_include = ['foo', 'bar']
cols = df.columns[~df.columns.isin(dont_include)]
cols
Out[48]:
Index(['baz', 'pie'], dtype='object')
然后您可以像以前一样使用我的代码来迭代您的df的子选择