本文转载自微信公众号「数据大宇宙」，作者卡门的儿子。转载本文请联系数据大宇宙公众号。
这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。
我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。
如下数据：
数据描述：
- 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
- order_id 列存在重复
- quantity 是明细项数量
需求：数据中共有多少个订单?
下面是答案了
方式1
因为 order_id 列是存在重复的，那么一种比较直观的方式就是去重+计数：
- len(df.order_id.drop_duplicates())
- 1834
- Series.drop_duplicates() 返回的仍然是一个 Series
- len 函数可以计算 Series 值数量
但是你可能不知道的是，这个方式是不准确的!
方式2
之所以说上一种方式是不准确，是因为没有考虑到空值的问题。
len 函数不会忽略空值(nan) ，因此如果列中有空值，那么就比正确结果数量多。
正确的做法是：
- len(df.order_id.drop_duplicates().dropna())
- 使用 Series.dropna() 方法可以去掉 nan 值
提示：
即使列中有多个 nan ，经过去重后只会保留一个 nan 值
方式3
实际上，pandas 本身有提供一个忽略 nan 的计数方法：
- df.order_id.drop_duplicates().count()
点评：
这种方式个人认为最合适
方式4
pandas 为列(Series)提供了一个快速汇总计数方法：
- df.order_id.value_counts()
- Series.value_counts() 相当于 根据 order id 分组，统计数量。并且排除 nan
这相当于实现了去重，因此：
- df.order_id.value_counts().count()
点评：
- 这是原项目的解法，不太直观，不推荐使用
- 我本人经常把 value_counts 方法中s的位置搞错
不过我自制了一个方法查询器，这样子不至于记错方法：
