Funkcja Unique() usuwa wszystkie zduplikowane wartości w kolumnie i zwraca jedną wartość dla wielu takich samych wartości. W tym artykule omówimy, w jaki sposób możemy uzyskać unikalne wartości z kolumny w Ramka danych Pandy .

Tworzenie ramki danych Pandas ze zduplikowanymi elementami

Utwórz przykładową ramkę danych Pandy ze słownikiem list, powiedzmy, że są to nazwy kolumn A, B, C, D i E ze zduplikowanymi elementami.

Python3

# Import pandas package> import> pandas as pd> # create a dictionary with five fields each> data> => {> > 'A'> : [> 'A1'> ,> 'A2'> ,> 'A3'> ,> 'A4'> ,> 'A5'> ],> > 'B'> : [> 'B1'> ,> 'B2'> ,> 'B3'> ,> 'B4'> ,> 'B4'> ],> > 'C'> : [> 'C1'> ,> 'C2'> ,> 'C3'> ,> 'C3'> ,> 'C3'> ],> > 'D'> : [> 'D1'> ,> 'D2'> ,> 'D2'> ,> 'D2'> ,> 'D2'> ],> > 'E'> : [> 'E1'> ,> 'E1'> ,> 'E1'> ,> 'E1'> ,> 'E1'> ]}> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)>

Uzyskaj unikalne wartości z kolumny w Pandas DataFrame

Poniżej znajduje się kilka przykładów, dzięki którym możemy uzyskać unikalne wartości kolumny w tej ramce danych.

• Uzyskaj unikalne wartości kolumny „B”.
• Uzyskaj unikalne wartości kolumny „E”.
• Uzyskaj liczbę unikalnych wartości w kolumnie
• Użycie set() do wyeliminowania zduplikowanych wartości z kolumny
• Korzystanie z metod pandas.concat() i Unique().
• Korzystanie z Series.drop_duplicates()

Uzyskaj unikalne wartości kolumny „B”.

W tym przykładzie pobieramy i drukujemy unikalne wartości z kolumny „B” za pomocą unique()> metoda. Wynikowe unikalne wartości to ['B1', 'B2', 'B3', 'B4']> .

Python3

# Import pandas package> import> pandas as pd> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> # Get the unique values of 'B' column> df.B.unique()>

Wyjście

array(['B1', 'B2', 'B3', 'B4'], dtype=object) 

Uzyskaj unikalne wartości pand w kolumnie „E”.

W tym przykładzie tworzymy ramkę danych pandy ze słownika, a następnie pobieramy unikalne wartości z kolumny „E” za pomocą metody unique()> metoda. Wynikowe unikalne wartości to ['E1']> .

Python3

# Import pandas package> import> pandas as pd> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> # Get the unique values of 'E' column> df.E.unique()>

Wyjście

array(['E1'], dtype=object) 

Uzyskaj liczbę unikalnych wartości w kolumnie

W tym przykładzie tworzymy pandę DataFrame ze słownika, a następnie obliczamy i drukujemy liczbę unikalnych wartości w kolumnie „C”, z wyłączeniem wartości NaN. Wynik to 3, co oznacza, że ​​w kolumnie „C” znajdują się trzy unikalne wartości.

Python3

# Import pandas package> import> pandas as pd> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> # Get number of unique values in column 'C'> df.C.nunique(dropna> => True> )>

Wyjście

3 

Wyeliminuj zduplikowane wartości z kolumny za pomocą set()

W tym przykładzie tworzymy ramkę danych pand ze słownika, a następnie używamy set()> funkcjonować aby wyodrębnić unikalne wartości z kolumny „C”, eliminując duplikaty. Powstały zestaw, {'C1', 'C2', 'C3'}> , reprezentuje unikalne wartości w kolumnie „C”.

Python3

# Import pandas package> import> pandas as pd> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> # Use set() to eliminate duplicate values in column 'C'> unique_values_set> => set> (df[> 'C'> ])> # Print the unique values> print> (unique_values_set)>

Wyjście

{'C1', 'C2', 'C3'} 

Korzystanie z metod pandas.concat() i Unique().

W tym przykładzie tworzymy ramkę danych pand ze słownika, a następnie łączymy unikalne wartości ze wszystkich kolumn za pomocą pd.concat()> . Wynikowa tablica NumPy po wydrukowaniu wyświetla wszystkie unikalne wartości z kolumn „A” do „E”.

Python3

# Import pandas package> import> pandas as pd> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> # Use pd.concat() to concatenate all columns and then apply unique()> unique_values_all_columns> => pd.concat([df[col].unique()> for> col> in> df.columns])> # Print the unique values> print> (unique_values_all_columns)>

Wyjście

['A1' 'A2' 'A3' 'A4' 'A5' 'B1' 'B2' 'B3' 'B4' 'C1' 'C2' 'C3' 'D1' 'D2' 'E1'] 

Korzystanie z Series.drop_duplicates()

W tym przykładzie tworzymy ramkę danych pandy ze słownika i usuwamy duplikaty z kolumn „A” i „D” za pomocą drop_duplicates()> metoda . Powstała ramka DataFrame po wydrukowaniu wyświetla unikalne wartości w kolumnach „A” i „D” z wartościami NaN, w których usunięto duplikaty z „D”.

Python3

# Import pandas package> import> pandas as pd> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> # Use drop_duplicates() to remove duplicates from columns 'A' and 'D'> df[> 'A'> ]> => df[> 'A'> ].drop_duplicates()> df[> 'D'> ]> => df[> 'D'> ].drop_duplicates()> # Print the DataFrame after removing duplicates from columns 'A' and 'D'> print> (df)>

Wyjście

   A B C D E   0 A1 B1 C1 D1 E1 1 A2 B2 C2 D2 E1 2 A3 B3 C3 NaN E1 3 A4 B4 C3 NaN E1 4 A5 B4 C3 NaN E1