Python pyspark Series.nunique用法及代码示例

返回对象中唯一元素的数量。默认情况下排除 NA 值。

参数：

dropna：布尔值，默认为真

计数中请勿包含NaN。

approx: bool, default False：

如果为 False，将使用精确的算法并返回唯一的精确数量。如果为 True，则使用 HyperLogLog 近似算法，该算法对于大量数据来说速度明显更快。注意：该参数是pandas-on-Spark特有的，在pandas中找不到。

rsd: float, default 0.05：

HyperLogLog 算法允许的最大估计误差。注意：就像approx 一样，该参数特定于pandas-on-Spark。

返回：

int

例子：

>>> ps.Series([1, 2, 3, np.nan]).nunique()
3

>>> ps.Series([1, 2, 3, np.nan]).nunique(dropna=False)
4

在大数据上，我们建议使用近似算法来加速这个函数。结果将非常接近确切的唯一计数。

>>> ps.Series([1, 2, 3, np.nan]).nunique(approx=True)
3

>>> idx = ps.Index([1, 1, 2, None])
>>> idx
Float64Index([1.0, 1.0, 2.0, nan], dtype='float64')

>>> idx.nunique()
2

>>> idx.nunique(dropna=False)
3