如何计算两个列表中唯一元素的数量

Question

我有一个包含数百列的 pandas 数据框，我需要知道两列中唯一元素的数量。 以下是数据示例：

df2 = pd.DataFrame(data={
'colA_1': ["12.456.", "......7", "..34..7"],
'colA_2': ["1......", "1.....7", "..34..7"],
'ID': ["idx1", "idx1", "idx2"]})

我做的是：

1. 连接两列
2. 计算唯一元素。

我是这样做的：

df['colA_1'] = df['colA_1'].apply(list)
df['colA_2'] = df['colA_2'].apply(list)
df['colA'] = df['colA_1'] + df['colA_2']
df['colA'] = df. colA.nunique()

但我收到此错误：

TypeError: unhashable type: 'list'

你知道如何解决这个问题吗？

Answer 1

你可以使用：

len(set(df2.filter(like='colA').sum().sum()))

输出：8

这会合并所有行的两列的所有字符串，并使用set计算唯一元素

原答案

为了计算唯一性，pandas/python 对对象进行哈希处理。它们需要是不可变的，这不是列表的情况，因此是错误的。如果您的列仅包含列表，您可以转换为字符串，然后计算唯一元素的数量：

df2.colA.astype(str).nunique()

这并不总是一个完美的解决方案，但在大多数情况下应该可以工作。

另一种选择是不转换为列表，但为了给您更好的建议，我们需要获取数据示例。