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 dupliceras ofta i DataFrames. Till exempel har kolumnen `countries` i DataFrame:en `'continent'` upprepade poster. Det finns en metod som hämtar en **array med unika värden** från en specifik DataFrame-kolumn.

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)

Applicera sedan metoden `unique()` på kolumnerna `'continent'` och `'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)

Ibland, istället för att hämta alla unika värden, kan det vara intressant att veta **hur många distinkta värden** som finns i en kolumn. I sådana fall kan du använda metoden **`nunique()`**. Den returnerar **antalet** unika poster i en kolumn — inte själva värdena.

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 är ett mycket användarvänligt bibliotek för dataanalys. Det är också utformat för att hantera stora datamängder med hjälp av datastrukturer som DataFrame och Series. Detta gör det till ett ovärderligt verktyg inom Data Science. I denna guide kommer du att bekanta dig med olika statistiska funktioner, inklusive hur man hittar korrelationer, typvärden, medianer samt maximala och minimala värden i en datamängd. Du får även lära dig att hantera saknade värden och manipulera specifika värden, samt hur man tar bort dem.

Utforska grunderna i pandas-biblioteket. Skapa och manipulera Series och DataFrames, undersök deras struktur och stärk förståelsen för grundläggande dataoperationer.

Bemästra hur man läser in och hanterar data från CSV- och TXT-filer. Få praktisk erfarenhet av att importera dataset och förbereda dem för vidare analys med hjälp av pandas-verktyg.

Lär dig att utforska, rensa och sammanfatta data effektivt. Förstå hur man hanterar saknade värden, extraherar insikter och utför grundläggande statistiska operationer med pandas.

Unika Värden

Lösning