Question

我有两个pd.DataFrame个对象（从.csv文件中读取），比方说，

1, 2
1, 3
2, 4

和

2, 1
1, 2
3, 3

假设DataFrame被命名为data1和data2。因此，我可以使用

分别轻松计算data1和data2每列中唯一值的数量

 uniques = data.apply(pd.Series.nunique)

data分别由data1和data2取代。因此2, 3 data1和3, 3 data2获得DataFrame。有没有办法（除了连接DataFrame＆＃39; s）以便在这两个3, 4组合时我可以得到唯一值的数量？我想获得which.min。

Answer 1

我想不是。首先需要concat：

df = pd.concat([df1,df2]).apply(pd.Series.nunique)
print (df)
a    3
b    4
dtype: int64

Answer 2

#use numpy unique to count uninues after combining same columns from both DF.

len(np.unique(np.c_[df1.iloc[:,0],df2.iloc[:,0]]))
Out[1398]: 3

len(np.unique(np.c_[df1.iloc[:,1],df2.iloc[:,1]]))
Out[1399]: 4

Answer 3

另一种适用于任意数量数据框的替代方案：

dfs = [df1, df2]
print([
    len(set(np.concatenate([df[colname].unique() for df in dfs])))
    for colname in dfs[0]
])
[3, 4]

请注意，这仅在所有数据框具有相同列名时才有效。

我认为concat是最佳选择，除非您的数据框已经填满了本地内存：concatenating will copy

两个pandas数据帧中列中的唯一值数

3 个答案: