迹忆客 专注技术分享

本文将介绍如何获取 Pandas DataFrame 列中的唯一值。

例如，假设我们有一个由个人及其职业组成的 DataFrame，我们想知道职业的总数。在这种情况下，我们不能简单地使用总行数来确定独特的职业总数，因为许多人可能有相同的工作。对于这种情况，我们可以使用 Pandas 库提供的 unique() 和 drop_duplicates() 函数。

知道如何对 DataFrame 进行排序也是很重要的，因为它可以帮助可视化和理解数据。sorted() 和 sort_values() 函数可以帮助实现这一点。

我们将在本教程中对以下 DataFrame 进行排序和删除。

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [7, 1, 5, 4, 2, 1, 4, 4, 8], "B": [1, 2, 8, 5, 3, 4, 2, 6, 8]})

print(df)

输出：

   A  B
0  7  1
1  1  2
2  5  8
3  4  5
4  2  3
5  1  4
6  4  2
7  4  6
8  8  8

用 unique 方法获取 Pandas DataFrame 列中的唯一值

Pandas Series 的 unique() 方法在我们处理 DataFrame 的单列时使用，并返回一列的所有唯一元素。使用 unique() 函数的最终输出是一个数组。

例：

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [7, 1, 5, 4, 2, 1, 4, 4, 8], "B": [1, 2, 8, 5, 3, 4, 2, 6, 8]})

print(df["A"].unique())
print(type(df["A"].unique()))

输出：

[7 1 5 4 2 8]
numpy.ndarray

用 drop_duplicates 方法获取 Pandas DataFrame 列中的唯一值

drop_duplicates() 可应用于 DataFrame 或其子集，并保留 DataFrame 对象的类型。当处理巨大的数据集以删除重复值时，它也被认为是一个更快的选择，

例：

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [7, 1, 5, 4, 2, 1, 4, 4, 8], "B": [1, 2, 8, 5, 3, 4, 2, 6, 8]})

print(df.drop_duplicates(subset="A"))
print(type(df.drop_duplicates(subset="A")))

输出：

   A  B
0  7  1
1  1  2
2  5  8
3  4  5
4  2  3
8  8  8
pandas.core.frame.DataFrame

在 Pandas DataFrame 中对列进行排序

我们可以使用 sorted() 方法对一个列进行排序，但它将最终结果转换为一个列表类型的对象。我们也可以通过将 reversed 参数设置为 True 来对列值进行降序排序。

下面的例子按照升序对列进行排序，并删除重复的值。

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [7, 1, 5, 4, 2, 1, 4, 4, 8], "B": [1, 2, 8, 5, 3, 4, 2, 6, 8]})

df_new = df.drop_duplicates(subset="A")

print(sorted(df_new["A"]))
print(type(sorted(df_new["A"])))

输出：

[1, 2, 4, 5, 7, 8]
list

sort_values() 是另一个对 DataFrame 进行排序的灵活选项。在这里，我们可以使用 by 参数指定要排序的列，使用 ascending 参数指定顺序是升序还是降序。它保留了对象类型为 Pandas DataFrame。

下面的例子是将列按降序排序，并删除重复的值。

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [7, 1, 5, 4, 2, 1, 4, 4, 8], "B": [1, 2, 8, 5, 3, 4, 2, 6, 8]})

df_new = df.drop_duplicates(subset="A")

print(df_new.sort_values(by="A", ascending=False))
type(df_new.sort_values(by="A"))

输出：

   A  B
8  8  8
0  7  1
2  5  8
3  4  5
4  2  3
1  1  2
pandas.core.frame.DataFrame