如何获取在python pandas数据框中出现的两列的唯一组合的数量

Question

假设我在熊猫中有这个数据框

     a    b
1    203  487
2    876  111
3    203  487
4    876  487

还有更多我不在乎的列未显示

我知道len(df.a.unique())将返回2表示有一个两个独特的值，如将len(df.b.unique()) 我想要类似的东西，但返回发生的AND b的唯一组合的数量。 因此，在此示例中，我希望它返回3。

我对如何做到这一点的任何指导表示赞赏

Answer 1

使用drop_duplicates ：

print (df.drop_duplicates(['a','b']))
     a    b
1  203  487
2  876  111
4  876  487

a = len(df.drop_duplicates(['a','b']).index)

或以相反条件duplicated ：

a = (~df.duplicated(['a','b'])).sum()

---

a = len(df.index) - df.duplicated(['a','b']).sum()

或者将列转换为字符串并连接在一起，然后得到nunique ：

a = (df.a.astype(str) + '_' + df.b.astype(str)).nunique()

---

print (a)
3

Answer 2

您是否将以下情况视为两种不同的组合或一种？

1）'a'是203而'b'是487 2）'a'是487而'b'是203

如果您希望将其设置为两个，请按照jezrael的说明使用drop_duplicates。 如果希望它们算作一个唯一的组合，我将创建一个新列，使其始终为：较小的number_较大的数字，并在此列上执行drop_duplicates。

Import numpy as np re
df['c']=np.where(df['a']<df['b'], \
    df['a'].astype('str')+"_"+df['b'].astype('str'), \
        df['b'].astype('str')+"_"+df['a'].astype('str'))

print(len(df.drop_duplicates('c')))