You need to enable JavaScript to run this app. pandas统计DataFrame中serialNum列各用户对应非重复元素个数的方法
优惠活动
大模型
产品
解决方案
定价
更多

pandas统计DataFrame中serialNum列各用户对应非重复元素个数的方法

实现方案

方案1:explode + 去重统计(逻辑直观易维护)

通过拆分列表为单行单元素、去重后分组计数,完全基于pandas内置方法实现:

import pandas as pd
import numpy as np

# 原始数据构造
data = {'userName': {0: 'john', 1: 'amanda', 2: 'sara', 3: 'john'}, 
        'serialNum': {0: '[a4G, bweQ, fp_dE4]', 1:'' , 2: '[H2dw45, IfC4, bAf23g, Lkfr54-op, a3dLa]', 3: '[Tr45b, kM30, a4G, riU91]'}}
df = pd.DataFrame(data)

# 预处理:清洗格式、拆分列表、空值填充
df['serialNum'] = df['serialNum'].str.strip('[]')\
                                 .str.replace(r"['\"]", "", regex=True)\
                                 .replace('', np.nan)\
                                 .str.split(',')\
                                 .fillna({i: [] for i in df.index})

# 非重复值统计
df_count = df.explode('serialNum')\
             .drop_duplicates(subset=['userName', 'serialNum'])\
             .groupby('userName', sort=False)['serialNum']\
             .count()\
             .reindex(df['userName'].unique(), fill_value=0)\
             .reset_index(name='count')

输出结果完全符合预期:

userNamecount
john6
amanda0
sara5

方案2:分组聚合直接统计(代码更简洁)

直接对同用户的所有序列号拼接后去重取长度,无需拆分多行:

df_count = df.groupby('userName', sort=False)['serialNum']\
             .sum()\
             .apply(lambda x: len(pd.unique(x)))\
             .reset_index(name='count')

原代码问题说明

原有逻辑是直接对每行的列表长度求和,没有过滤跨行的重复序列号(例:john的两条记录中都出现了a4G,被重复统计了1次),以上两种方案都解决了跨行去重的问题。


内容的提问来源于stack exchange,提问作者WhoIsKi

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.16 04:36:07