DataFrame全量分组与列子集分组的等价性及优势问询

等价性分析 #

• 当cols = [some_column, column2extract]时，两种写法功能完全等价，最终都返回column2extract按some_column分组后的唯一值数量。
• 当cols包含额外列时，仅针对column2extract的结果而言，二者依然等价。因为nunique()是对每列独立计算唯一值数量，额外列的存在不会干扰column2extract的统计结果。你觉得“不一定等价”可能是混淆了两种写法返回的完整DataFrame：前者仅包含选中列的nunique结果，后者则会计算原DataFrame中所有非分组列的nunique，但单独提取column2extract的结果是一致的。

先筛选列写法的优势 #

这种写法的核心优势是性能优化，尤其在原DataFrame列数较多或数据量较大时：

• 内存占用更低：先筛选出需要的列后，后续处理的DataFrame体积更小，减少了不必要的内存开销，避免加载无关数据。
• 计算速度更快：nunique()只需要处理选中的列，无需遍历原DataFrame中大量无关列，能显著缩短计算时间。

举个直观的例子：如果原df有100列，而你只需要关心其中2列，先筛选列再分组计算，相当于只处理1/50的数据量，效率提升非常明显。

内容的提问来源于stack exchange，提问作者jinkins