【Pandas】pandas DataFrame nunique

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna])	用于计算 DataFrame 中每列或每行的累计和（cumulative sum）
DataFrame.describe([percentiles, include, …])	用于快速生成数据集的统计摘要（summary statistics）
DataFrame.diff([periods, axis])	用于计算 DataFrame 中相邻行或列之间的差值（差分）
DataFrame.eval(expr, *[, inplace])	用于在 DataFrame 上下文中高效地执行字符串形式的表达式运算
DataFrame.kurt([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.kurtosis([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.max([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最大值（maximum）
DataFrame.mean([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的平均值（mean）
DataFrame.median([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的中位数（median）
DataFrame.min([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最小值（minimum）
DataFrame.mode([axis, numeric_only, dropna])	用于查找 众数（出现频率最高的值） 的方法
DataFrame.pct_change([periods, fill_method, …])	用于计算 百分比变化 的方法
DataFrame.prod([axis, skipna, numeric_only, …])	用于计算 每列或每行元素的乘积 的方法
DataFrame.product([axis, skipna, …])	用于计算 DataFrame 中每列或每行所有元素的乘积
DataFrame.quantile([q, axis, numeric_only, …])	用于计算 分位数（Quantiles） 的方法
DataFrame.rank([axis, method, numeric_only, …])	用于计算 DataFrame 中每列或每行元素的排名（rank）
DataFrame.round([decimals])	用于对 DataFrame 中的数值进行四舍五入
DataFrame.sem([axis, skipna, ddof, numeric_only])	用于计算 标准误（Standard Error of the Mean, SEM），即样本均值的标准差
DataFrame.skew([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的偏度（Skewness）
DataFrame.sum([axis, skipna, numeric_only, …])	用于计算 DataFrame 中每列或每行所有元素的总和
DataFrame.std([axis, skipna, ddof, numeric_only])	用于计算 标准差（Standard Deviation）
DataFrame.var([axis, skipna, ddof, numeric_only])	用于计算 方差（Variance）
DataFrame.nunique([axis, dropna])	用于计算每列或每行中唯一值的数量（distinct count）

pandas.DataFrame.nunique()

pandas.DataFrame.nunique() 方法用于计算每列或每行中唯一值的数量（distinct count）。它是数据分析中常用的统计方法之一，常用于了解数据的多样性、特征分布、去重分析等场景。

---

📌 方法签名：

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

---

🧾 参数说明：

参数	类型	默认值	描述
axis	{0/‘index’, 1/‘columns’}	0

• 0：按列计算唯一值数量（默认）
• 1：按行计算唯一值数量 |
  | dropna | bool | True | 是否将 NaN 视为一个唯一值：
  - True：忽略 NaN
  - False：将 NaN 视为一种唯一值 |

---

📊 返回值

• 返回一个 Series，表示每列（或每行）中唯一值的数量。
• 若某列为非数值类型（如字符串、对象），也会正常统计唯一值数量。

---

✅ 示例及结果

示例数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 2, 3],
    'B': ['apple', 'banana', 'apple', 'orange'],
    'C': [5, 5, 5, 5],
    'D': [1.1, 2.2, 2.2, np.nan]
})

输出原始数据：

   A       B  C     D
0  1   apple  5   1.1
1  2  banana  5   2.2
2  2   apple  5   2.2
3  3  orange  5   NaN

---

示例 1：默认参数（按列统计唯一值数量）

df.nunique()

结果：

A    3
B    3
C    1
D    2
dtype: int64

解释：

• 列 A：有 1, 2, 3 → 3 个唯一值
• 列 B：有 ‘apple’, ‘banana’, ‘orange’ → 3 个唯一值
• 列 C：全部是 5 → 只有 1 个唯一值
• 列 D：有 1.1, 2.2（NaN 被忽略）→ 2 个唯一值

---

示例 2：设置 dropna=False（将 NaN 视为唯一值）

df.nunique(dropna=False)

结果：

A    3
B    3
C    1
D    3
dtype: int64

解释：

• 列 D 现在包含 NaN，因此唯一值数量为 3（1.1, 2.2, NaN）

---

示例 3：按行统计唯一值数量（axis=1）

df.nunique(axis=1)

结果：

0    4
1    4
2    3
3    3
dtype: int64

解释：

• 第 0 行：1, ‘apple’, 5, 1.1 → 4 个不同值
• 第 1 行：2, ‘banana’, 5, 2.2 → 4 个不同值
• 第 2 行：2, ‘apple’, 5, 2.2 → 3 个不同值（2.2 和 2 出现两次）
• 第 3 行：3, ‘orange’, 5, NaN → 3 个不同值（NaN 被视为相同）

---

示例 4：混合类型列也能正确处理

df_mixed = pd.DataFrame({
    'X': [1, 'a', 1, 2],
    'Y': [True, False, True, 'yes']
})

df_mixed.nunique()

结果：

X    3
Y    3
dtype: int64

解释：

• 列 X：1, ‘a’, 2 → 3 个唯一值
• 列 Y：True, False, ‘yes’ → 3 个唯一值

---

⚠️ 注意事项

• 支持所有类型列（数值、字符串、布尔、对象等）
• 默认忽略 NaN 值（可通过 dropna=False 控制）
• 按行统计时也支持不同类型混用
• 不会影响原始 DataFrame，返回新 Series

---

🎯 适用场景

场景	描述
数据探索	快速了解各列的唯一值数量，判断是否适合分类变量
特征工程	构造新的统计特征，如“每行有多少种不同取值”
缺失值分析	结合 dropna=False 分析 NaN 是否频繁出现
去重分析	判断某一列是否具有足够多样性（如用户 ID、类别等）

---

📋 总结

特性	描述
功能	计算 DataFrame 每列或每行的唯一值数量
默认行为	按列计算，忽略 NaN
是否修改原数据	否，返回新 Series
适用类型	所有类型（数值、字符串、布尔、对象等）
输出范围	整数，表示唯一值数量

nunique() 是一个非常实用的方法，适合用于数据质量检查、特征分析、数据探索等任务。