Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

Pandas में groupby() से प्रति समूह अद्वितीय मान गिनना

Pandas में किसी कॉलम के आधार पर ग्रुप बनाकर दूसरे कॉलम के अद्वितीय मानों की गिनती करने के लिए groupby() के साथ nunique() या count() का उपयोग किया जाता है।

count() vs nunique()

  • count(): गैर-NaN मानों की कुल संख्या (डुप्लिकेट सहित)
  • nunique(): अद्वितीय (unique) मानों की संख्या

उदाहरण

import pandas as pd

df = pd.DataFrame({
    "id": [1, 2, 1, 3, 5, 1, 4, 3, 6, 7],
    'rank': [1, 4, 1, 2, 1, 4, 6, 1, 5, 3]
})

print("Input DataFrame:\n", df)

# rank के अनुसार ग्रुप बनाकर id की गिनती (count - डुप्लिकेट सहित)
count_result = df.groupby('rank')['id'].count()
print("\nप्रति rank id की गिनती (count):\n", count_result)

# rank के अनुसार ग्रुप बनाकर id के अद्वितीय मानों की गिनती (nunique)
nunique_result = df.groupby('rank')['id'].nunique()
print("\nप्रति rank अद्वितीय id की गिनती (nunique):\n", nunique_result)

# एकाधिक एग्रीगेशन एक साथ
agg_result = df.groupby('rank')['id'].agg(['count', 'nunique', 'sum', 'mean'])
print("\nएकाधिक एग्रीगेशन:\n", agg_result)

आउटपुट

Input DataFrame:
    id  rank
0   1     1
1   2     4
3   1     1
4   3     2
5   5     1
6   1     4
7   4     6
8   3     1
9   6     5
10  7     3

प्रति rank id की गिनती (count):
rank
1    4
2    1
3    1
4    2
5    1
6    1
Name: id, dtype: int64

प्रति rank अद्वितीय id की गिनती (nunique):
rank
1    3  # id: 1, 3, 5 (1 तीन बार आया लेकिन unique 1 बार गिना)
2    1
3    1
4    2  # id: 2, 1
5    1
6    1
Name: id, dtype: int64

एकाधिक एग्रीगेशन:
    count  nunique  sum  mean
rank
1       4        3   10   2.5
2       1        1    3   3.0
3       1        1    7   7.0
4       2        2    3   1.5
5       1        1    6   6.0
6       1        1    4   4.0

व्यावहारिक उदाहरण: श्रेणीवार अद्वितीय ग्राहक गिनना

sales = pd.DataFrame({
    'customer_id': [101, 102, 101, 103, 104, 102, 105, 101],
    'category': ['Electronics', 'Clothing', 'Electronics', 'Books', 
                 'Clothing', 'Electronics', 'Books', 'Clothing'],
    'amount': [500, 300, 200, 150, 400, 350, 250, 100]
})

# प्रति श्रेणी अद्वितीय ग्राहक
unique_customers = sales.groupby('category')['customer_id'].nunique()
print("प्रति श्रेणी अद्वितीय ग्राहक:\n", unique_customers)

# प्रति श्रेणी कुल ऑर्डर
total_orders = sales.groupby('category')['customer_id'].count()
print("\nप्रति श्रेणी कुल ऑर्डर:\n", total_orders)

आउटपुट

प्रति श्रेणी अद्वितीय ग्राहक:
category
Books        2
Clothing     3
Electronics  3
Name: customer_id, dtype: int64

प्रति श्रेणी कुल ऑर्डर:
category
Books        2
Clothing     3
Electronics  3
Name: customer_id, dtype: int64

उन्नत: एकाधिक कॉलम द्वारा ग्रुपिंग

# एकाधिक कॉलम द्वारा ग्रुपिंग
multi_group = df.groupby(['rank', 'id']).size().reset_index(name='count')
print(multi_group)

# या value_counts() का उपयोग
value_counts = df.value_counts(['rank', 'id'])
print(value_counts)
  1. पायथन पैंडास - गैर-शून्य मानों को आगे प्रसारित करें पायथन पैंडास - गैर-शून्य मानों को आगे प्रसारित करें

    fillna() विधि के method पैरामीटर का उपयोग करें। फॉरवर्ड फिल के लिए मान ffill का उपयोग करें:fillna(method=ffill)मान लीजिए हमारी CSV फ़ाइल Microsoft Excel में कुछ NaN मानों के साथ खुली है:सबसे पहले, आवश्यक लाइब्रेरी आयात करें:import pandas as pdCSV फ़ाइल से डेटा पैंडास DataFrame में लोड करें:dataFrame

  1. - पायथन - पैंडास डेटाफ्रेम में ग्रुप मानों का पहला मान कैसे प्राप्त करें

    ग्रुप मानों का पहला मान प्राप्त करने के लिए, groupby.first() मेथड का उपयोग करें। पहले एक उपनाम के साथ आवश्यक लाइब्रेरी आयात करें: import pandas as pd; 3 कॉलम के साथ एक डेटाफ्रेम बनाएं: dataFrame = pd.DataFrame( { Car: [BMW, Lexus, BMW, Tesla, Lexus, Tesla], Place: [Delhi,Bangalo

  1. पायथन पैंडास - गैर-नल मानों को पीछे की ओर प्रसारित करें पायथन पैंडास - गैर-नल मानों को पीछे की ओर प्रसारित करें

    fillna() मेथड के method पैरामीटर का उपयोग करें। बैकवर्ड फिल के लिए, मान bfill का उपयोग करें जैसा कि नीचे दिखाया गया है: fillna(method=bfill) मान लीजिए निम्नलिखित हमारी CSV फ़ाइल है जिसे माइक्रोसॉफ्ट एक्सेल में कुछ NaN मानों के साथ खोला गया है: पहले आवश्यक लाइब्रेरी आयात करें: import pandas as pd C