如何将 Python 数据框的信息输出与唯一计数列表相结合

Question

我像这样将 CSV 读入数据帧并运行 info():

dlqcsv = pd.read_csv(a1, sep=',', encoding ="ISO-8859-1", low_memory=False, index_col=False)
dd = dlqcsv.info(verbose=True)
dd.describe()

它产生：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504334 entries, 0 to 504333
Data columns (total 288 columns):
Unnamed: 0                 int64
rowno__loan               float64
..... the rest of the 288 features

然后我运行以下内容来计算唯一性（从该网站窃取某人的代码）

col_uni_val={}
for i in dlqcsv.columns:
    col_uni_val[i] = len(dlqcsv[i].unique())
import pprint
col_uni_val

得到了这个，太棒了

{'Unnamed: 0': 504334,
 'rowno_loan': 55851,
.. the rest of the 288 pairs..

我想将详细的info 输出与unique count 输出结合起来。显然，这是一个简单的一对一唯一内连接，匹配键中没有重复。

如何调出两个表中的特征名称列？似乎都没有列名？

另外，可以直接将计数写入数据帧而不是字典吗？ 谢谢你。

Answer 1

Pandas 有一个用于计算唯一值的内置方法。您可以使用dlqcsv.nunique() 获取输出

对于您要求的整体任务，操作df.info 是一项更难的任务。一个更简单的选择是使用类似下面的代码来计算列的所有必需值。

output = []

for col in df.columns:

    nonNull  = len(df) - np.sum(pd.isna(df[col]))
    unique = df[col].nunique()
    colType = str(df[col].dtype)

    output.append([col, nonNull, unique, colType])

output = pd.DataFrame(output)   
output.columns = ['colName','non-null values', 'unique', 'dtype']

输出如下：

     colName  non-null values  unique    dtype
0      le_id               20       5    int64
1    run_seq               20       5    int64
2      cp_id               20       8    int64
3    cp_name               20       8   object
4   products               20       7   object
5  tran_amnt               20      17    int64
6   currency               20       6   object
7    current                1       1  float6