![](/img/trans.png)
[英]Most efficient way to convert values of column in Pandas DataFrame
[英]What is the most efficient way to get count of distinct values in a pandas dataframe?
我有一個 dataframe 如下圖所示。
0 1 2
0 A B C
1 B C B
2 B D E
3 C E E
4 B F A
我需要從整個 dataframe 中獲取唯一值的計數,而不是按列的唯一值。 在上面的 dataframe 中,唯一值是 A,B,C,D,E,F。所以,我需要的結果是6 。
我正在使用 pandas 擠壓、拉維爾和獨特功能來實現這一點,它將整個 dataframe 轉換為一個系列。
pd.Series(df.squeeze().values.ravel()).nunique(dropna=True)
請讓我知道是否有更好的方法來實現這一點。
為此使用NumPy
,如:
import numpy as np
print(np.unique(df.values).shape[0])
使用具有唯一值length
的numpy.unique
:
out = len(np.unique(df))
6
你也可以使用set
、 len
和flatten
:
len(set(df.values.flatten()))
出去:
6
時序:使用具有 6 個唯一值的虛擬 dataframe
#dummy data
df = pd.DataFrame({'Day':np.random.choice(['aa','bbbb','c','ddddd','EeeeE','xxx'], 10**6),'Heloo':np.random.choice(['aa','bbbb','c','ddddd','EeeeE','xxx'], 10**6)})
print(df.shape)
(1000000, 2)
%timeit len(set(df.values.flatten()))
>>>89.5 ms ± 1.56 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit np.unique(df.values).shape[0]
>>>1.61 s ± 25.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit len(np.unique(df))
>>>1.85 s ± 229 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.