去重计数有哪些实现方式

这篇文章主要讲解了“去重计数有哪些实现方式”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“去重计数有哪些实现方式”吧！

创新互联建站主要业务有网站营销策划、网站设计、成都网站设计、微信公众号开发、成都小程序开发、HTML5、程序开发等业务。一次合作终身朋友，是我们奉行的宗旨；我们不仅仅把客户当客户，还把客户视为我们的合作伙伴，在开展业务的过程中，公司还积累了丰富的行业经验、网络营销推广资源和合作伙伴关系资源，并逐渐建立起规范的客户服务和保障体系。 

这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises  。这个项目从基础到进阶，可以检验你有多么了解 pandas。

我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。

如下数据：

数据描述：

• 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项

• order_id 列存在重复

• quantity 是明细项数量

需求：数据中共有多少个订单?

下面是答案了

方式1

因为 order_id 列是存在重复的，那么一种比较直观的方式就是去重+计数：

len(df.order_id.drop_duplicates()) 1834

• Series.drop_duplicates() 返回的仍然是一个 Series

• len 函数可以计算 Series 值数量

但是你可能不知道的是，这个方式是不准确的!

方式2

之所以说上一种方式是不准确，是因为没有考虑到空值的问题。

len 函数不会忽略空值(nan) ，因此如果列中有空值，那么就比正确结果数量多。

正确的做法是：

len(df.order_id.drop_duplicates().dropna())

• 使用 Series.dropna() 方法可以去掉 nan 值

提示：

即使列中有多个 nan ，经过去重后只会保留一个 nan 值

方式3

实际上，pandas 本身有提供一个忽略 nan 的计数方法：

df.order_id.drop_duplicates().count()

点评：

这种方式个人认为最合适

方式4

pandas 为列(Series)提供了一个快速汇总计数方法：

df.order_id.value_counts()

• Series.value_counts() 相当于 根据 order id 分组，统计数量。并且排除 nan

这相当于实现了去重，因此：

df.order_id.value_counts().count()

感谢各位的阅读，以上就是“去重计数有哪些实现方式”的内容了，经过本文的学习后，相信大家对去重计数有哪些实现方式这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！