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:*
版权属于：月萌API www.moonapi.com，转载请注明出处
