去重計(jì)數(shù)有哪些實(shí)現(xiàn)方式

這篇文章主要講解了“去重計(jì)數(shù)有哪些實(shí)現(xiàn)方式”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“去重計(jì)數(shù)有哪些實(shí)現(xiàn)方式”吧！

這是一個(gè)關(guān)于 pandas 從基礎(chǔ)到進(jìn)階的練習(xí)題系列，來(lái)源于 github 上的 guipsamora/pandas_exercises  。這個(gè)項(xiàng)目從基礎(chǔ)到進(jìn)階，可以檢驗(yàn)?zāi)阌卸嗝戳私?pandas。

我會(huì)挑選一些題目，并且提供比原題庫(kù)更多的解決方法以及更詳盡的解析。

如下數(shù)據(jù)：

數(shù)據(jù)描述：

• 此數(shù)據(jù)是訂單明細(xì)表。一個(gè)訂單會(huì)包含很多明細(xì)項(xiàng)，表中每個(gè)樣本(每一行)表示一個(gè)明細(xì)項(xiàng)

• order_id 列存在重復(fù)

• quantity 是明細(xì)項(xiàng)數(shù)量

需求：數(shù)據(jù)中共有多少個(gè)訂單?

下面是答案了

方式1

因?yàn)?order_id 列是存在重復(fù)的，那么一種比較直觀的方式就是去重+計(jì)數(shù)：

len(df.order_id.drop_duplicates()) 1834

• Series.drop_duplicates() 返回的仍然是一個(gè) Series

• len 函數(shù)可以計(jì)算 Series 值數(shù)量

但是你可能不知道的是，這個(gè)方式是不準(zhǔn)確的!

方式2

之所以說(shuō)上一種方式是不準(zhǔn)確，是因?yàn)闆](méi)有考慮到空值的問(wèn)題。

len 函數(shù)不會(huì)忽略空值(nan) ，因此如果列中有空值，那么就比正確結(jié)果數(shù)量多。

正確的做法是：

len(df.order_id.drop_duplicates().dropna())

• 使用 Series.dropna() 方法可以去掉 nan 值

提示：

即使列中有多個(gè) nan ，經(jīng)過(guò)去重后只會(huì)保留一個(gè) nan 值

方式3

實(shí)際上，pandas 本身有提供一個(gè)忽略 nan 的計(jì)數(shù)方法：

df.order_id.drop_duplicates().count()

點(diǎn)評(píng)：

這種方式個(gè)人認(rèn)為最合適

方式4

pandas 為列(Series)提供了一個(gè)快速匯總計(jì)數(shù)方法：

df.order_id.value_counts()

• Series.value_counts() 相當(dāng)于 根據(jù) order id 分組，統(tǒng)計(jì)數(shù)量。并且排除 nan

這相當(dāng)于實(shí)現(xiàn)了去重，因此：

df.order_id.value_counts().count()

感謝各位的閱讀，以上就是“去重計(jì)數(shù)有哪些實(shí)現(xiàn)方式”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)去重計(jì)數(shù)有哪些實(shí)現(xiàn)方式這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！