documentacion - python pandas dataframe

Cuenta de Pandas(equivalente)

Question

Estoy usando pandas como un sustituto de db ya que tengo múltiples bases de datos (oráculo, mssql, etc.) y no puedo hacer una secuencia de comandos a un equivalente de SQL.

Tengo una tabla cargada en un DataFrame con algunas columnas:

YEARMONTH, CLIENTCODE, SIZE, .... etc etc

En SQL, contar la cantidad de clientes diferentes por año sería:

SELECT count(distinct CLIENTCODE) FROM table GROUP BY YEARMONTH;

Y el resultado sería

201301 5000
201302 13245

¿Cómo puedo hacer eso en pandas?

Answer 1

Agregando a las respuestas ricas anteriores, existe la posibilidad de escribir consultas SQL en el marco de datos Pandas con el módulo de Python llamado pandasql . De acuerdo con el Yhat:

pandasql le permite consultar panda DataFrames utilizando la sintaxis SQL. [...] pandasql busca proporcionar una forma más familiar de manipular y limpiar datos para personas nuevas en Python o pandas.

Answer 2

Aquí hay otro método, muy simple, digamos que el nombre de su dataframe es daat y el nombre de la columna es YEARMONTH

daat.YEARMONTH.value_counts()

Answer 3

Creo que esto es lo que quieres:

table.groupby(''YEARMONTH'').CLIENTCODE.nunique()

Ejemplo:

In [2]: table
Out[2]:
CLIENTCODE YEARMONTH
0 1 201301
1 1 201301
2 2 201301
3 1 201302
4 2 201302
5 2 201302
6 3 201302
In [3]: table.groupby(''YEARMONTH'').CLIENTCODE.nunique()
Out[3]:
YEARMONTH
201301 2
201302 3

Answer 4

Curiosamente, muy a menudo len(unique()) es algunas veces (3x-15x) más rápido que nunique() .