Pandas如何统计两个字段组合的复合唯一值数量

df[['Last Name','First Name']].nunique()的默认逻辑是逐列计算单列的唯一值数量，不会对多列做组合维度的去重，因此无法得到姓氏+名字的复合唯一值结果，可通过以下任意一种方法实现需求：

方法1：拼接组合列后统计 #

将两列值用特殊分隔符拼接为单字段后统计唯一值，分隔符需选择不会出现在字段实际值中的字符，避免出现值拼接歧义（例如姓Li名An和姓Lia名N直接拼接结果均为LiAn，会被误判为同一组合）：

# 以|为分隔符拼接两列后统计唯一值
combo_unique_cnt = df[['Last Name', 'First Name']].apply(lambda x: '|'.join(x), axis=1).nunique()

方法2：去重后统计行数（推荐，性能更好） #

直接对选中的两列做整行去重，统计去重结果的总行数即可，数据量较大时执行效率远高于逐行拼接：

combo_unique_cnt = df[['Last Name', 'First Name']].drop_duplicates().shape[0]

方法3：分组统计组数 #

以两列为维度分组，分组的总数量就是组合唯一值的总数：

combo_unique_cnt = df.groupby(['Last Name', 'First Name']).ngroups

拓展用法 #

如果需要查看每个姓名组合对应的出现频次，可通过分组计数直接输出：

# 返回结果包含Last Name、First Name、count三列，count为对应组合的出现次数
combo_freq = df.groupby(['Last Name', 'First Name']).size().reset_index(name='count')

内容的提问来源于stack exchange，提问作者Kulwant