Summary  
Demonstrates how to extract all distinct entries from a data column and count them using unique() and nunique() methods.

General domain of usage  
Exploratory data analysis

Data bliver ofte **duplikeret** i DataFrames. For eksempel har kolonnen `countries` i DataFrame `'continent'` gentagne værdier. Der findes en metode, der henter et **array af unikke værdier** fra en bestemt DataFrame-kolonne.

import pandas as pd 

country_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(country_data)
print(countries)

Anvend derefter metoden `unique()` på kolonnerne `'continent'` og `'country'`:


import pandas as pd

country_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(country_data)
unique_countries = countries['country'].unique()
unique_continents = countries['continent'].unique()
print(unique_countries)
print(unique_continents)

Nogle gange, i stedet for at hente alle unikke værdier, ønsker du måske blot at vide **hvor mange forskellige værdier** der findes i en kolonne. I sådanne tilfælde kan du bruge metoden **`nunique()`**. Den returnerer **antallet** af unikke poster i en kolonne — ikke selve værdierne.

import pandas as pd

country_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(country_data)
print(countries['continent'].nunique())

import unittest
import importlib
import numpy as np


# Helper function for dynamic test names and assertions
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestUserCode(unittest.TestCase):

    def test_unique_years_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'unique_years'),
            "The `unique_years` variable is declared.",
            "Expected `unique_years` to be declared."
        )

    def test_unique_years_contains_correct_values(self):
        import user_code
        expected_value = sorted([2017, 2016, 2019])
        try:
            if isinstance(user_code.unique_years, np.ndarray):
                actual_value = sorted(user_code.unique_years)
                condition = actual_value == expected_value
                failure_message = f"Expected `unique_years` to contain `{expected_value}`, but got `{actual_value}`."
            else:
                condition = False
                failure_message = f"`unique_years` is not a `numpy.ndarray`."

        except AttributeError:
            condition = False
            failure_message = "The `unique_years` variable is not declared."

        _dynamic_test(
            self,
            condition,
            f"`unique_years` contains correct values.",
            failure_message
        )

    def test_unique_fueltype_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'unique_fueltype'),
            "The `unique_fueltype` variable is declared.",
            "Expected `unique_fueltype` to be declared."
        )

    def test_unique_fueltype_contains_correct_values(self):
        import user_code
        expected_value = sorted(["petrol", "diesel"])
        try:
            if isinstance(user_code.unique_fueltype, np.ndarray):
                actual_value = sorted(user_code.unique_fueltype)
                condition = actual_value == expected_value
                failure_message = f"Expected `unique_fueltype` to contain `{expected_value}`, but got `{actual_value}`."
            else:
                condition = False
                failure_message = f"`unique_fueltype` is not a `numpy.ndarray`."
        except AttributeError:
            condition = False
            failure_message = "The `unique_fueltype` variable is not declared."

        _dynamic_test(
            self,
            condition,
            f"`unique_fueltype` contains correct values.",
            failure_message
        )

    def test_count_unique_fueltypes_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'count_unique_fueltypes'),
            "The `count_unique_fueltypes` variable is declared.",
            "Expected `count_unique_fueltypes` to be declared."
        )

    def test_count_unique_fueltypes_is_correct(self):
        import user_code
        expected_value = 2
        try:
            actual_value = user_code.count_unique_fueltypes
            condition = actual_value == expected_value
            failure_message = f"Expected `count_unique_fueltypes` to be `{expected_value}`, but got `{actual_value}`."
        except AttributeError:
            condition = False
            failure_message = "The `count_unique_fueltypes` variable is not declared."

        _dynamic_test(
            self,
            condition,
            f"`count_unique_fueltypes` is correct.",
            failure_message
        )


if __name__ == '__main__':
    unittest.main()

test_main.py

Pandas er et yderst brugervenligt bibliotek til dataanalyse. Det er også designet til at håndtere store datasæt ved hjælp af datastrukturer som DataFrame og Series. Dette gør det til et uvurderligt værktøj inden for Data Science. I denne guide bliver du introduceret til en række statistiske funktioner, herunder hvordan man finder korrelationer, typetal, medianer samt maksimum- og minimumværdier i et datasæt. Du lærer også, hvordan man håndterer manglende værdier og manipulerer specifikke værdier, samt hvordan man fjerner dem.

Dyk ned i grundlæggende elementer i pandas-biblioteket. Opret og manipulér Series og DataFrames, udforsk deres struktur, og opbyg fortrolighed med at udføre essentielle dataoperationer.

Bliv fortrolig med at indlæse og håndtere data fra CSV- og TXT-filer. Opnå praktisk erfaring med import af datasæt og forberedelse til videre analyse ved hjælp af pandas-værktøjer.

Lær at udforske, rense og opsummere data effektivt. Forstå hvordan man håndterer manglende værdier, udtrækker indsigter og udfører grundlæggende statistiske operationer med pandas.

Unikke Værdier

Løsning