在Pandas中按行计算唯一值时排除值0的实现方法

嘿，我来帮你搞定这个需求～首先咱们先重现你给出的数据集：

import pandas as pd

d = {'col1': [1, 2, 3], 'col2': [3, 4, 0], 'col3': [0, 4, 0],}
df = pd.DataFrame(data=d)

对应的DataFrame长这样：

col1  col2  col3
0     1     3     0
1     2     4     4
2     3     0     0

你说直接用df.nunique(axis=1)会把0也算进去，确实不符合要求，这里给你两种实用的解决方案：

方法一：把0替换成NaN再用nunique #

Pandas的nunique()方法默认会忽略NaN值，所以咱们先把所有0替换成缺失值，再按行统计唯一值数量就行：

df['uniques'] = df.replace(0, pd.NA).nunique(axis=1)

执行完之后，你就能得到想要的结果：

col1  col2  col3  uniques
0     1     3     0        2
1     2     4     4        2
2     3     0     0        1

方法二：用apply自定义过滤逻辑 #

如果你需要更灵活地控制排除规则（比如以后要排除其他值），可以用apply()配合lambda函数，手动过滤掉0后统计唯一值：

df['uniques'] = df.apply(lambda row: len(set(x for x in row if x != 0)), axis=1)

这个方法会逐行遍历，生成一个剔除0的元素集合，集合的长度就是咱们要的唯一值数量，结果和第一种方法完全一致。

两种方法都能解决问题，第一种更简洁高效，适合大多数场景；第二种扩展性更强，适合需要自定义规则的情况。

内容的提问来源于stack exchange，提问作者Hardik Gupta