如何计算数据框中与一列不同的行数？答案

【问题标题】：How can I count the number of rows in a dataframe that differ from one column?如何计算数据框中与一列不同的行数？
【发布时间】：2020-04-08 07:44:00
【问题描述】：

我知道这不是一个人应该在这里做的事情，尽管我不知道我该怎么问这个问题。

data_train = pd.DataFrame({"buying": [0,1,0,1,0,0,0], "maint":[0,1,0,1,0,0,0], "doors": [0,1,0,1,0,0,0],
                          "persons": [0,1,0,1,0,0,0], "lug_boot":[0,1,0,1,0,0,0], "safety": [0,1,0,1,0,0,0],
                          "rating" : [1,1,2,1,3,4,5] })


data_train = data_train.groupby(["buying", "maint", "doors", "persons", "lug_boot", "safety"]) \
.agg({"buying": "count", "maint": "nunique"})#.query("buying>1")["maint"].sum()

我的目标是计算有多少行具有相同的第一个预测变量（购买、维护等），但评级不同。

我的尝试是整理第一列，然后计算我得到的不同评分的数量，这会很棒。

一个重要的假设是，如果两行相同，则它们已被预先删除。因此可以找到评级不同的行，但没有相同的行。

在我的示例中，第 1 行和第 3 行是相同的，因此删除了一个并且没有问题。但是，对于其他人，它们的评分不同，所以有一个问题，我应该得到 5 作为回报，因为有 5 个相同的预测变量行，它们的评分不同。

可以理解吗？

【问题讨论】：

行 0,2 和 3 具有相同的第一列，但不同的最后一列。所以 3 行和结果 3？
你是对的^^'，好的答案已经更正了。
您能提供更多上下文吗？我的意思是，假设在最后一列中，值 2 在“A”组下出现两次。你想怎么算。一点也不，有1？我不确定这个问题是否真的很好，而且你的示例集似乎很小。 “B”组呢？它也可以贡献 1 ...
@Quickbeam2k1 我添加了几行。我的要求现在应该更明白了:) 我认为这个例子很好。您能否编辑您的答案以将 x2 作为行间相似性的一个因素？
不，它不应该给 4。或者如果是这样，我不明白逻辑

标签： python pandas dataframe pandas-groupby

【解决方案1】：

可以这样做：

df = pd.DataFrame({"x1": ["A", "A", "A", "A", "A", "B", "B"], "x2":[1, 1, 2, 3, 4, 2, 3], "x3": [0,1,0,1,0,0,0]})
df.groupby(["x1", "x2"]).agg({'x1':"count", "x3":"nunique"}).query("x1 >1")["x3"].sum()

给予

我们正在收集每组的行数（足以汇总 w.r.t x1）以及最后一列的不同值的数量。我们希望每组至少有两行，对吗？然后我们只是在子查询之后对结果求和，即过滤至少有两个条目的组。

【讨论】：

如果有多个列“x1”，那么我将“x1”替换为[“x1”，“x2”] 对吗？
仅当"x2" 不是您的最后一列，但是是的时
抱歉，答案是什么？你在等我那边的消息吗？
我根据新栏目更新了答案。不过，这个问题不是很具体
你是什么意思，我认为你还必须输入“x2 > 1”。在问题中，我写了“第一列S”。你能告诉我什么不具体吗？我真的不知道什么不清楚:'(我认为这是我迄今为止提出的最好的问题之一。

【解决方案2】：

由于事情发生了太多变化并且有新的信息可用：

一个解决方案就是：

nuniques = data_train.groupby(data_train.columns[:-1].tolist())['rating'].nunique()

您可以在此处看到每行（或多组）的唯一评分。现在如果nunique == 1 并且因为我们没有重复，我们可以只过滤带有nunique>1 的组。因此

nuniques[nuniques>1].sum()
5

【讨论】：