pd 计算另一列中出现了多少项 - Python

在Pandas中，可以使用value_counts()方法计算一个Series对象中每个值出现的次数。但是，有时我们需要计算某一列中出现了多少项。

例如，我们有以下数据：

| Name | Age | |-------|------| | Alice | 20 | | Bob | 21 | | Alice | 22 | | Alice | 23 | | Bob | 24 |

我们希望计算“Name”这一列中出现了多少项。可以实现如下：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Alice', 'Alice', 'Bob'], 'Age': [20, 21, 22, 23, 24]}
df = pd.DataFrame(data)

num_of_names = len(df['Name'].value_counts())

print(num_of_names)

输出：

2

在代码中，首先我们创建了一个DataFrame对象df，然后使用len()和value_counts()方法，获取“Name”一列中出现的不同值的数量。

最后，我们得到了一个整数，表示“Name”一列中出现的不同值的数量。在本例中，有两个不同的名字，即“Alice”和“Bob”。

返回的markdown格式如下：

# pd 计算另一列中出现了多少项 - Python

在Pandas中，可以使用`value_counts()`方法计算一个Series对象中每个值出现的次数。但是，有时我们需要计算某一列中出现了多少项。

例如，我们有以下数据：

| Name  |  Age |
|-------|------|
| Alice |  20  |
| Bob   |  21  |
| Alice |  22  |
| Alice |  23  |
| Bob   |  24  |

我们希望计算“Name”这一列中出现了多少项。可以实现如下：

```Python
import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Alice', 'Alice', 'Bob'], 'Age': [20, 21, 22, 23, 24]}
df = pd.DataFrame(data)

num_of_names = len(df['Name'].value_counts())

print(num_of_names)

输出：

2

在代码中，首先我们创建了一个DataFrame对象df，然后使用len()和value_counts()方法，获取“Name”一列中出现的不同值的数量。

最后，我们得到了一个整数，表示“Name”一列中出现的不同值的数量。在本例中，有两个不同的名字，即“Alice”和“Bob”。