Sto cercando di trovare il conteggio di valori distinti in ciascuna colonna utilizzando Pandas. Questo è quello che ho fatto.Ricerca del conteggio di elementi distinti in DataFrame in ogni colonna
import pandas as pd
df = pd.read_csv('train.csv')
# print(df)
a = pd.unique(df.values.ravel())
print(a)
conta elementi unici nel dataframe indipendentemente righe/colonne, ma necessario contare per ogni colonna con uscita formattato come sotto.
policyID 0
statecode 0
county 0
eq_site_limit 0
hu_site_limit 454
fl_site_limit 647
fr_site_limit 0
tiv_2011 0
tiv_2012 0
eq_site_deductible 0
hu_site_deductible 0
fl_site_deductible 0
fr_site_deductible 0
point_latitude 0
point_longitude 0
line 0
construction 0
point_granularity 0
quello che sarebbe il modo più efficace per fare questo, come questo metodo verrà applicato a file che hanno dimensioni superiori a 1,5 GB?
In base alle risposte, df.apply(lambda x: len(x.unique()))
è il più veloce.
In[23]: %timeit df.apply(pd.Series.nunique)
1 loops, best of 3: 1.45 s per loop
In[24]: %timeit df.apply(lambda x: len(x.unique()))
1 loops, best of 3: 335 ms per loop
In[25]: %timeit df.T.apply(lambda x: x.nunique(), axis=1)
1 loops, best of 3: 1.45 s per loop
Allo stesso modo penso 'df.apply (pd.Series.nunique)' potrebbe anche funzionare (e di evitare la necessità di recepire, se questo è un problema) . –
@ajcr sì che è meglio in realtà, inizialmente pensavo che la trasposizione fosse necessaria per ottenere le colonne come valori di indice – EdChum
Come contare il numero totale di occorrenze univoche? –