Python pyspark Series.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：

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：

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。

>>> 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