API · Pandas

Méthode Series.nunique() de pandas

La méthode Pandas Series.nunique compte les valeurs uniques de la série Python Pandas.

Sur cette page

Series.nunique() renvoie sous forme d’entier le nombre de valeurs distinctes d’une Series pandas. Il répond à la question « combien de valeurs différentes sont présentes ? » ; il ne renvoie pas ces valeurs. Utilisez-le pour compter les catégories, identifiants ou mesures distincts lorsque vous souhaitez obtenir un résumé concis d’une colonne.

Comment Series.nunique() compte les valeurs distinctes

Chaque valeur distincte non manquante ajoute une unité au compte, quel que soit son nombre d’occurrences. Avec le réglage par défaut, les valeurs manquantes telles que NaN ne sont pas prises en compte. Ainsi, les valeurs répétées ne sont comptées qu’une fois, tandis que toutes les occurrences répétées de NaN sont exclues. Cette distinction compte lorsque vous comparez des nombres de catégories : par défaut, une valeur manquante ne constitue pas une catégorie.

Syntaxe et paramètre dropna

La signature de la méthode est Series.nunique(dropna=True). L’argument dropna est une option booléenne dont la valeur par défaut est True. Conservez ce réglage si vous voulez connaître le nombre de valeurs distinctes connues dans la Series. Passez dropna=False si les valeurs manquantes doivent compter comme une valeur distincte supplémentaire. Plusieurs valeurs manquantes contribuent toujours à hauteur d’une seule unité au total ; elles ne sont pas comptées séparément.

La méthode renvoie un entier, même lorsque la Series ne contient aucune valeur à compter. En l’absence de valeurs manquantes, modifier dropna ne change pas le résultat. Pour une Series vide, le nombre de valeurs distinctes est 0 ; si elle ne contient que des valeurs manquantes, le compte par défaut est 0 et celui obtenu avec dropna=False est 1. Ces cas permettent de distinguer « aucune catégorie observée » de « valeurs manquantes considérées comme une catégorie ».

Compter les valeurs distinctes dans une Series

Exécutez cet exemple :

Le code et les libellés ou sorties affichés dans cette section restent en anglais.

import numpy as np
import pandas as pd

values = pd.Series([1, 2, 3, np.nan, 3, 4, np.nan], name="No.")
print(values.nunique())
4

La Series contient quatre valeurs distinctes non manquantes : 1, 2, 3 et 4. La valeur 3, répétée, ne compte qu’une fois, et le réglage par défaut dropna=True exclut les deux occurrences de NaN, ce qui donne un compte de 4. Dans une application, stockez cet entier ou utilisez-le dans un rapport lorsque vous avez besoin du nombre de valeurs distinctes plutôt que de leur liste.

Inclure les valeurs manquantes avec dropna=False

Réutilisez les mêmes données et définissez dropna=False pour compter les valeurs manquantes comme une seule valeur distincte :

Le code et les libellés ou sorties affichés dans cette section restent en anglais.

import numpy as np
import pandas as pd

values = pd.Series([1, 2, 3, np.nan, 3, 4, np.nan], name="No.")
print(values.nunique(dropna=False))
5

Le compte est de 5 : les quatre valeurs non manquantes, auxquelles s’ajoute une valeur manquante distincte. Même si cette Series contient deux occurrences de NaN, elles représentent la même catégorie de valeur manquante pour ce calcul. Choisissez l’option en fonction de la question posée : utilisez le réglage par défaut pour compter les valeurs connues, ou dropna=False si la présence de données manquantes doit ajouter une unité au compte des valeurs distinctes. Ce réglage modifie uniquement la prise en compte des valeurs manquantes ; les valeurs ordinaires répétées ne comptent qu’une fois dans les deux cas.