如何使用pandas数据透视表聚合唯一计数

Question

此代码：

df2 = (
    pd.DataFrame({
        'X' : ['X1', 'X1', 'X1', 'X1'], 
        'Y' : ['Y2', 'Y1', 'Y1', 'Y1'], 
        'Z' : ['Z3', 'Z1', 'Z1', 'Z2']
    })
)
g = df2.groupby('X')
pd.pivot_table(g, values='X', rows='Y', cols='Z', margins=False, aggfunc='count')

返回以下错误：

Traceback (most recent call last): ... 
AttributeError: 'Index' object has no attribute 'index'

如何获取一个数据透视表，其中一个 DataFrame 列的唯一值计数适用于另外两列？
是否有

aggfunc

来表示唯一计数？我应该使用

np.bincount()

吗？

注意。我知道

pandas.Series.values_counts()

但我需要一个数据透视表。

---

编辑：输出应该是：

Z   Z1  Z2  Z3
Y             
Y1   1   1 NaN
Y2 NaN NaN   1

Answer 1

你的意思是这样的吗？

>>> df2.pivot_table(values='X', index='Y', columns='Z', aggfunc=lambda x: len(x.unique()))

Z   Z1  Z2  Z3
Y             
Y1   1   1 NaN
Y2 NaN NaN   1

请注意，使用

len

假设您的 DataFrame 中没有

NA

。否则，您可以执行

x.value_counts().count()

或

len(x.dropna().unique())

。

Answer 2

这是计算

.pivot_table

中的条目数的好方法：

>>> df2.pivot_table(values='X', index=['Y','Z'], columns='X', aggfunc='count')

        X1  X2
Y   Z       
Y1  Z1   1   1
    Z2   1  NaN
Y2  Z3   1  NaN

Answer 3

从 pandas 0.16 版本开始，它不接受参数“rows”

从 0.23 开始，解决方案是：

df2.pivot_table(values='X', index='Y', columns='Z', aggfunc=pd.Series.nunique)

返回：

Z    Z1   Z2   Z3
Y                
Y1  1.0  1.0  NaN
Y2  NaN  NaN  1.0

Answer 4

aggfunc=pd.Series.nunique

提供不同计数。完整代码如下：

df2.pivot_table(values='X', rows='Y', cols='Z', aggfunc=pd.Series.nunique)

此解决方案归功于@hume（请参阅已接受答案下的评论）。在此处添加作为答案以获得更好的可发现性。

Answer 5

• aggfunc

  中的

  pandas.DataFrame.pivot_table参数会将

  'nunique'

  视为

  string

  ，或在

  list

  中

  • pandas.Series.nunique

    或

    pandas.core.groupby.DataFrameGroupBy.nunique

• 测试于

  pandas 1.5.0

out = df2.pivot_table(values='X', index='Y', columns='Z', aggfunc=['nunique', 'count', lambda x: len(x.unique()), len])

[out]:
             nunique           count           <lambda>            len          
Z       Z1   Z2   Z3    Z1   Z2   Z3       Z1   Z2   Z3   Z1   Z2   Z3
Y                                                                     
Y1     1.0  1.0  NaN   2.0  1.0  NaN      1.0  1.0  NaN  2.0  1.0  NaN
Y2     NaN  NaN  1.0   NaN  NaN  1.0      NaN  NaN  1.0  NaN  NaN  1.0


out = df2.pivot_table(values='X', index='Y', columns='Z', aggfunc='nunique')

[out]:
Z    Z1   Z2   Z3
Y                
Y1  1.0  1.0  NaN
Y2  NaN  NaN  1.0

out = df2.pivot_table(values='X', index='Y', columns='Z', aggfunc=['nunique'])

[out]:
             nunique          
Z       Z1   Z2   Z3
Y                   
Y1     1.0  1.0  NaN
Y2     NaN  NaN  1.0

Answer 6

您可以为

X

的每个不同值构建一个数据透视表。在这种情况下，

for xval, xgroup in g:
    ptable = pd.pivot_table(xgroup, rows='Y', cols='Z', 
        margins=False, aggfunc=numpy.size)

将为

X

的每个值构建一个数据透视表。您可能需要使用

ptable

来索引

xvalue

。通过这段代码，我得到（

X1

）

     X        
Z   Z1  Z2  Z3
Y             
Y1   2   1 NaN
Y2 NaN NaN   1

Answer 7

aggfunc=pd.Series.nunique

将仅计算系列的唯一值 - 在本例中计算列的唯一值。但这并不能完全反映出作为

aggfunc='count'

的替代方案

为了简单计数，最好使用

aggfunc=pd.Series.count

Answer 8

由于没有一个答案是最新版本的 Pandas，我正在为这个问题编写另一个解决方案：

import pandas as pd

# Set example
df2 = (
    pd.DataFrame({
        'X' : ['X1', 'X1', 'X1', 'X1'], 
        'Y' : ['Y2', 'Y1', 'Y1', 'Y1'], 
        'Z' : ['Z3', 'Z1', 'Z1', 'Z2']
    })
)

# Pivot
pd.crosstab(index=df2['Y'], columns=df2['Z'], values=df2['X'], aggfunc=pd.Series.nunique)

返回：

Z   Z1  Z2  Z3
Y           
Y1  1.0 1.0 NaN
Y2  NaN NaN 1.0

Answer 9

为了获得最佳性能，我建议执行

DataFrame.drop_duplicates

跟进

aggfunc='count'

。

其他人是正确的，

aggfunc=pd.Series.nunique

会起作用。但是，如果您拥有的

index

组数量很大（>1000），这可能会很慢。

所以而不是（引用@Javier）

df2.pivot_table('X', 'Y', 'Z', aggfunc=pd.Series.nunique)

我建议

df2.drop_duplicates(['X', 'Y', 'Z']).pivot_table('X', 'Y', 'Z', aggfunc='count')

这是有效的，因为它保证每个子组（

('Y', 'Z')

的每个组合）都将具有唯一（非重复）的

'X'

值。

Answer 10

res = df2.pivot_table(index = 'Y', columns = 'Z', values = 'X', aggfunc = "nunique")
print(res)

输出为：

Z    Z1   Z2   Z3
Y                
Y1  1.0  1.0  NaN
Y2  NaN  NaN  1.0

这个答案与@Javier 的几乎相同。唯一的区别是 aggfunc 使用字符串名称“nunique”。