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)