DataFrame.nunique()，DataFrame.count()

1. nunique()

DataFrame.nunique（axis = 0，dropna = True ）

功能：计算请求轴上的不同观察结果

参数：

• axis ： {0或'index'，1或'columns'}，默认为0。0或'index'用于行方式，1或'列'用于列方式。
• dropna ： bool，默认为True，不要在计数中包含NaN。

返回： Series

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

>>> df.nunique(axis=1)
0    1
1    2
2    2
dtype: int64

　　

2. count()

DataFrame.count（axis = 0，level = None，numeric_only = False ）

功能：计算每列或每行的非NA单元格。

None，NaN，NaT和numpy.inf都被视作NA

参数：

• axis ： {0或'index'，1或'columns'}，默认为0（行），如果为每列生成0或'索引'计数。如果为每行生成1或'列'计数。
• level ： int或str，可选，如果轴是MultiIndex（分层），则沿特定级别计数，折叠到DataFrame中。一个STR指定级别名称。
• numeric_only ： boolean，默认为False，仅包含float，int或boolean数据。

返回：Series或DataFrame对于每个列/行，非NA / null条目的数量。如果指定了level，则返回DataFrame。

从字典构造DataFrame

>>> df = pd.DataFrame({"Person":
...                    ["John", "Myla", "Lewis", "John", "Myla"],
...                    "Age": [24., np.nan, 21., 33, 26],
...                    "Single": [False, True, True, True, False]})
>>> df
   Person   Age  Single
0    John  24.0   False
1    Myla   NaN    True
2   Lewis  21.0    True
3    John  33.0    True
4    Myla  26.0   False

注意不计数的NA值

>>> df.count()
Person    5
Age       4
Single    5
dtype: int64

每行计数：

>>> df.count(axis='columns')
0    3
1    2
2    3
3    3
4    3
dtype: int64

计算MultiIndex的一个级别：

>>> df.set_index(["Person", "Single"]).count(level="Person")
        Age
Person
John      2
Lewis     1
Myla      1

　　

 参考文献：

【1】pandas.DataFrame.count