DataFrame.nunique()，DataFrame.count()

1. nunique()

DataFrame.nunique（axis = 0，dropna = True ）

功能：計算請求軸上的不同觀察結果

參數：

• axis ： {0或'index'，1或'columns'}，默認為0。0或'index'用於行方式，1或'列'用於列方式。
• dropna ： bool，默認為True，不要在計數中包含NaN。

返回： Series

>>> df = pd.DataFrame({'A': [1, 2, 3], 'B': [1, 1, 1]})
>>> df.nunique()
A    3
B    1
dtype: int64

>>> df.nunique(axis=1)
0    1
1    2
2    2
dtype: int64

　　

2. count() 

DataFrame.count（axis = 0，level = None，numeric_only = False ）

功能：計算每列或每行的非NA單元格。

None，NaN，NaT和numpy.inf都被視作NA

參數：

• axis ： {0或'index'，1或'columns'}，默認為0（行），如果為每列生成0或'索引'計數。如果為每行生成1或'列'計數。
• level ： int或str，可選，如果軸是MultiIndex（分層），則沿特定級別計數，折疊到DataFrame中。一個STR指定級別名稱。
• numeric_only ： boolean，默認為False，僅包含float，int或boolean數據。

返回：Series或DataFrame對於每個列/行，非NA / null條目的數量。如果指定了level，則返回DataFrame。

 

從字典構造DataFrame

>>> df = pd.DataFrame({"Person":
...                    ["John", "Myla", "Lewis", "John", "Myla"],
...                    "Age": [24., np.nan, 21., 33, 26],
...                    "Single": [False, True, True, True, False]})
>>> df
   Person   Age  Single
0    John  24.0   False
1    Myla   NaN    True
2   Lewis  21.0    True
3    John  33.0    True
4    Myla  26.0   False

注意不計數的NA值

>>> df.count()
Person    5
Age       4
Single    5
dtype: int64

每行計數：

>>> df.count(axis='columns')
0    3
1    2
2    3
3    3
4    3
dtype: int64

計算MultiIndex的一個級別：

>>> df.set_index(["Person", "Single"]).count(level="Person")
        Age
Person
John      2
Lewis     1
Myla      1

　　

 

 參考文獻：

【1】pandas.DataFrame.count