Python pandas 忽略 NaN 的唯一值

Question

我想在groupby 聚合中使用unique，但我不想在unique 结果中使用nan。

一个示例数据框：

df = pd.DataFrame({'a': [1, 2, 1, 1, np.nan, 3, 3], 'b': [0,0,1,1,1,1,1],
    'c': ['foo', np.nan, 'bar', 'foo', 'baz', 'foo', 'bar']})

       a  b    c
0 1.0000  0  foo
1 2.0000  0  NaN
2 1.0000  1  bar
3 1.0000  1  foo
4    nan  1  baz
5 3.0000  1  foo
6 3.0000  1  bar

还有groupby：

df.groupby('b').agg({'a': ['min', 'max', 'unique'], 'c': ['first', 'last', 'unique']})

它的结果是：

       a                             c                      
     min    max           unique first last           unique
b                                                           
0 1.0000 2.0000       [1.0, 2.0]   foo  foo       [foo, nan]
1 1.0000 3.0000  [1.0, nan, 3.0]   bar  bar  [bar, foo, baz]

但我想要没有nan:

       a                        c                      
     min    max      unique first last           unique
b                                                           
0 1.0000 2.0000  [1.0, 2.0]   foo  foo            [foo]
1 1.0000 3.0000  [1.0, 3.0]   bar  bar  [bar, foo, baz]

我该怎么做？当然，我有几列要聚合，每列需要不同的聚合函数，所以我不想将unique 聚合与其他聚合一个接一个地分开。

Answer 1

定义一个函数：

def unique_non_null(s):
    return s.dropna().unique()

然后在聚合中使用：

df.groupby('b').agg({
    'a': ['min', 'max', unique_non_null], 
    'c': ['first', 'last', unique_non_null]
})

Answer 2

这将满足您的需求：

df.fillna(method='ffill').groupby('b').agg({'a': ['min', 'max', 'unique'], 'c': ['first', 'last', 'unique']})

因为您使用min、max 和unique 重复值与您无关。

Answer 3

2020 年 11 月 23 日更新

这个答案很糟糕，不要用这个。请参考@IanS 的回答。

之前

试试ffill

df.ffill().groupby('b').agg({'a': ['min', 'max', 'unique'], 'c': ['first', 'last', 'unique']})

一个 第一 最后 唯一 最小 最大 唯一 b 0 富富 [富] 1.0 2.0 [1.0, 2.0] 1 bar bar [bar, foo, baz] 1.0 3.0 [1.0, 3.0]

如果 Nan 是该组的第一个元素，则上述解决方案将中断。

Answer 4

你可以使用下面的代码，

    df.apply(lambda x: len(x.dropna().unique()))