查找 pandas 中的独特元素及其与其他列的联系 - TypeScript

在数据处理中，有时候需要找出 dataframe 中的独特元素并与其他列进行比较和分析。在 pandas 中，我们可以使用 unique() 方法来查找唯一值，并使用 value_counts() 方法来计算每个唯一值出现的次数。

查找唯一值

假设我们有一个包含姓名、年龄、性别和国家信息的 dataframe：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'],
    'age': [25, 30, 20, 35, 27, 28],
    'gender': ['F', 'M', 'M', 'M', 'F', 'M'],
    'country': ['USA', 'Canada', 'USA', 'UK', 'Canada', 'UK']
}

df = pd.DataFrame(data)

使用 unique() 方法可以查找出每个列中的独特元素：

# 查找姓名列中的独特元素
unique_names = df['name'].unique()
print(unique_names)

# 查找国家列中的独特元素
unique_countries = df['country'].unique()
print(unique_countries)

输出结果为：

['Alice' 'Bob' 'Charlie' 'David' 'Emily' 'Frank']
['USA' 'Canada' 'UK']

在实际数据处理中，有时候我们需要同时查找多个列中的独特元素。这时候我们可以使用 pd.unique(df[['col1', 'col2', ...]]) 来完成操作。

计算唯一值频次

使用 value_counts() 方法可以计算出每个唯一值在列中出现的次数：

# 计算每个国家出现的次数
country_counts = df['country'].value_counts()
print(country_counts)

输出结果为：

USA       2
Canada    2
UK        2
Name: country, dtype: int64

与其他列进行比较

有时候我们需要将唯一值与其他列进行比较，来找出不同列之间的联系。例如，假设我们需要找出哪些年龄与国家有关联：

# 找出不同年龄对应的国家
age_country = df[['age', 'country']]
print(age_country)

输出结果为：

   age country
0   25     USA
1   30  Canada
2   20     USA
3   35      UK
4   27  Canada
5   28      UK

我们可以使用 groupby() 方法来对 age_country 数据进行分组，并统计每个分组中不同国家出现的次数：

# 统计每个年龄对应的国家出现的次数
age_country_count = age_country.groupby(['age', 'country']).size().reset_index(name='count')
print(age_country_count)

输出结果为：

   age country  count
0   20     USA      1
1   25     USA      1
2   27  Canada      1
3   28      UK      1
4   30  Canada      1
5   35      UK      1

总结

在本文中，我们学习了如何在 pandas 中查找 dataframe 中的独特元素，并使用 value_counts() 方法计算每个唯一值出现的次数。我们还学习了如何使用 groupby() 方法与其他列进行比较，来找出不同列之间的联系。这些操作在实际数据处理中非常有用，为我们提供了更多的数据维度和处理方式。