python - Pandas 'count(distinct)' に相当

Question

複数のデータベース ( Oracle、SQL Serverなど)があるため、データベースの代替として Pandas を使用していますが、一連のコマンドを SQL に相当するものにすることができません。

いくつかの列を含む DataFrame にテーブルがロードされています。

YEARMONTH, CLIENTCODE, SIZE, etc., etc.

SQL では、1 年あたりのさまざまなクライアントの数をカウントするには、次のようにします。

SELECT count(distinct CLIENTCODE) FROM table GROUP BY YEARMONTH;

そして結果は

201301    5000
201302    13245

パンダでそれを行うにはどうすればよいですか?

Answer 1

これがあなたが望むものだと思います：

table.groupby('YEARMONTH').CLIENTCODE.nunique()

例：

In [2]: table
Out[2]: 
   CLIENTCODE  YEARMONTH
0           1     201301
1           1     201301
2           2     201301
3           1     201302
4           2     201302
5           2     201302
6           3     201302

In [3]: table.groupby('YEARMONTH').CLIENTCODE.nunique()
Out[3]: 
YEARMONTH
201301       2
201302       3

Answer 2

これは別の方法で、はるかに簡単です。daatデータフレーム名がで、列名が であるとしましょうYEARMONTH:

daat.YEARMONTH.value_counts()

Answer 3

私も使っていますが、集約関数などnuniqueを使わないといけない場合はとても助かります。'min', 'max', 'count' or 'mean'

df.groupby('YEARMONTH')['CLIENTCODE'].transform('nunique') #count(distinct)
df.groupby('YEARMONTH')['CLIENTCODE'].transform('min')     #min
df.groupby('YEARMONTH')['CLIENTCODE'].transform('max')     #max
df.groupby('YEARMONTH')['CLIENTCODE'].transform('mean')    #average
df.groupby('YEARMONTH')['CLIENTCODE'].transform('count')   #count