[[403886]]

本文轉載自微信公眾號「數據大宇宙」，作者卡門的兒子。轉載本文請聯系數據大宇宙公眾號。

這是一個關于 pandas 從基礎到進階的練習題系列，來源于 github 上的 guipsamora/pandas_exercises 。這個項目從基礎到進階，可以檢驗你有多么了解 pandas。

我會挑選一些題目，并且提供比原題庫更多的解決方法以及更詳盡的解析。

如下數據：

數據描述：

• 此數據是訂單明細表。一個訂單會包含很多明細項，表中每個樣本(每一行)表示一個明細項
• order_id 列存在重復
• quantity 是明細項數量

需求：數據中共有多少個訂單?

下面是答案了

方式1

因為 order_id 列是存在重復的，那么一種比較直觀的方式就是去重+計數：

len(df.order_id.drop_duplicates()) 
1834 

• Series.drop_duplicates() 返回的仍然是一個 Series
• len 函數可以計算 Series 值數量

但是你可能不知道的是，這個方式是不準確的!

方式2

之所以說上一種方式是不準確，是因為沒有考慮到空值的問題。

len 函數不會忽略空值(nan) ，因此如果列中有空值，那么就比正確結果數量多。

正確的做法是：

len(df.order_id.drop_duplicates().dropna()) 

• 使用 Series.dropna() 方法可以去掉 nan 值

提示：

即使列中有多個 nan ，經過去重后只會保留一個 nan 值

方式3

實際上，pandas 本身有提供一個忽略 nan 的計數方法：

df.order_id.drop_duplicates().count() 

點評：

這種方式個人認為最合適

方式4

pandas 為列(Series)提供了一個快速匯總計數方法：

df.order_id.value_counts() 

• Series.value_counts() 相當于 根據 order id 分組，統計數量。并且排除 nan

這相當于實現了去重，因此：

df.order_id.value_counts().count() 

點評：

• 這是原項目的解法，不太直觀，不推薦使用
• 我本人經常把 value_counts 方法中s的位置搞錯

不過我自制了一個方法查詢器，這樣子不至于記錯方法：