Python pyspark DataFrame.nunique用法及代碼示例

返回對象中唯一元素的數量。

默認情況下排除 NA 值。

參數：

axis：int，默認 0 或 ‘index’

目前隻能設置為0。

dropna：布爾值，默認為真

計數中請勿包含NaN。

approx: bool, default False：

如果為 False，將使用精確的算法並返回唯一的精確數量。如果為 True，則使用 HyperLogLog 近似算法，該算法對於大量數據來說速度明顯更快。注意：該參數是pandas-on-Spark特有的，在pandas中找不到。

rsd: float, default 0.05：

HyperLogLog 算法允許的最大估計誤差。注意：就像approx 一樣，該參數特定於pandas-on-Spark。

返回：

作為 pandas-on-Spark 係列的每列唯一值的數量。

例子：

>>> df = ps.DataFrame({'A': [1, 2, 3], 'B': [np.nan, 3, np.nan]})
>>> df.nunique()
A    3
B    1
dtype: int64

>>> df.nunique(dropna=False)
A    3
B    2
dtype: int64

在大數據上，我們建議使用近似算法來加速這個函數。結果將非常接近確切的唯一計數。

>>> df.nunique(approx=True)
A    3
B    1
dtype: int64