讲师中心 微信公众号

工具推荐

视频效率加速
Seko
Seko

AI短剧一键生成成片

AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

剧云
剧云

中文短剧剧本制作平台

高效处理Pandas分组去重:为何应避免全表分组而优先选择列子集

梦伟吖_7047

梦伟吖_7047

发布时间:2026-07-06 09:40:06

|

757人浏览过

|

来源于php中文网

原创

本文探讨在Pandas中对DataFrame进行nunique()分组统计时,使用df[cols].groupby(...)与df.groupby(...)的本质区别,指出前者在多数场景下并无性能优势,反而可能引入冗余计算;推荐采用df.groupby(col1)[col2].nunique()这一简洁、高效且语义清晰的写法。

本文探讨在pandas中对dataframe进行`nunique()`分组统计时,使用`df[cols].groupby(...)`与`df.groupby(...)`的本质区别,指出前者在多数场景下并无性能优势,反而可能引入冗余计算;推荐采用`df.groupby(col1)[col2].nunique()`这一简洁、高效且语义清晰的写法。

在实际数据分析工作中,我们常需按某一列(如用户ID、日期)统计另一列(如商品类别、状态码)的去重数量。此时,常见写法有两类:

# 写法A:先筛选列子集,再分组去重
df[["user_id", "category"]].groupby("user_id").nunique()["category"]

# 写法B:直接全表分组,再选取目标列
df.groupby("user_id").nunique()["category"]

# ✅ 推荐写法C:链式定位,精准计算
df.groupby("user_id")["category"].nunique()

关键差异在于计算范围与执行效率:

  • 写法A和B均会先对groupby结果调用.nunique(),该操作默认作用于所有参与分组的数值/可哈希列(若df[cols]含10列,则计算全部10列的nunique),之后才通过["category"]索引提取所需结果——造成不必要的中间计算开销。
  • 写法C则利用Pandas的列选择语法["category"]提前限定作用域,使nunique()仅在目标列上执行,显著减少内存占用与CPU消耗,尤其在宽表(数十列以上)场景下提升明显。

此外,需注意一个常见误区:

df[cols].groupby(some_column).nunique()[column2extract] 并不总等价于 df.groupby(some_column).nunique()[column2extract]。
当cols包含some_column和column2extract以外的其他列时,前者会因列子集过滤而隐式排除原始DataFrame中未被选中的列,可能导致分组逻辑意外变化(例如,若some_column存在缺失值,而其他未包含列影响了dropna行为,结果可能不同)。但这种差异通常属于副作用,而非设计意图。

最佳实践总结:

  • ✅ 始终优先使用 df.groupby(key_col)[target_col].nunique() —— 语义明确、性能最优、可读性强;
  • ⚠️ 避免 .nunique()[col] 形式,因其强制全列计算;
  • ? 不必刻意构造df[cols]子集来“优化”,除非你确需排除某些干扰列(如含大量NaN或高基数ID列),且已验证其必要性;
  • ? 若some_column是外部Series(非df内列),则df[cols].groupby(external_series)是唯一合法方式,此时子集筛选才有意义。

最后提醒:可通过%%timeit快速验证性能差异。在万行级数据上,写法C通常比A/B快2–5倍,且随列数增加优势更显著。

热门AI工具

更多
小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

PixPix
PixPix Hot

PixPix是一款面向电商视觉生产的AI商品图生成工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5684

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1929

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34877

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

CVE-2026-114938高危漏洞修复
CVE-2026-114938高危漏洞修复

Java4Shell是OpenJDK Base64解码路径中的远程代码执行漏洞,编号CVE-2026-114938,2026年11月17日披露,官方已发布17.0.21.1、21.0.13.1等修复版本,建议优先升级 。本专题围绕Java4Shell(CVE-2026-114938)持续更新,从漏洞原理、受影响版本、受影响产品到修复与自查一站式汇总,适合Java开发、运维与安全人员快速定位风险。ARM64环境不受影响,x86-64环境请

0

2026.11.22

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Pandas 教程
Pandas 教程

共15课时 | 2万人学习

Django 教程
Django 教程

共28课时 | 10.1万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn