使用Pandas按另一列的3种标签统计某列去重计数

直接上解决方案，用groupby()结合nunique()就能快速实现需求：

import pandas as pd

# 模拟你的输入数据
data = {
    'Type': ['manager', 'manager', 'tech lead', 'tech lead', 'tech lead', 'developer', 'developer', 'developer'],
    'count': [101, 101, 202, 203, 202, 301, 302, 301]
}
df = pd.DataFrame(data)

# 按Type分组，统计count列的去重值数量
unique_count_by_type = df.groupby('Type')['count'].nunique().reset_index(name='unique_count')

# 输出结果
print(unique_count_by_type)

代码说明： #

• groupby('Type')：按Type列的三类标签（manager、tech lead、developer）完成分组
• ['count'].nunique()：针对每个分组内的count列，计算去重后的值的总数
• reset_index(name='unique_count')：将分组后的结果转换为标准DataFrame格式，同时给统计列命名为unique_count

运行输出结果： #

Type  unique_count
0  developer             2
1    manager             1
2   tech lead             2

如果你的数据来自外部文件（比如CSV），只需要替换示例数据构造部分：

df = pd.read_csv('your_data_file.csv')

再执行后续的分组统计步骤即可。

内容的提问来源于stack exchange，提问作者Priti Jorvekar