Unique()-funktio poistaa kaikki sarakkeen päällekkäiset arvot ja palauttaa yhden arvon useille samoille arvoille. Tässä artikkelissa keskustelemme siitä, kuinka voimme saada ainutlaatuisia arvoja sarakkeesta Pandas DataFrame .
Pandas-tietokehyksen luominen päällekkäisillä elementeillä
Luo esimerkki Pandas-tietokehyksestä luetteloiden sanakirjalla, vaikka sarakkeiden nimet ovat A, B, C, D ja E päällekkäisten elementtien kanssa.
Python 3
# 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)> |
>
>
meikkituotteiden nimi
Hanki ainutlaatuiset arvot Pandas DataFramen sarakkeesta
Alla on esimerkkejä, joiden avulla voimme saada tämän tietokehyksen sarakkeen ainutlaatuiset arvot.
- Hanki B-sarakkeen ainutlaatuiset arvot
- Hanki E-sarakkeen ainutlaatuiset arvot
- Hanki yksittäisten arvojen määrä sarakkeessa
- Käytä set():tä poistamaan päällekkäiset arvot sarakkeesta
- Pandas.concat()- ja Unique()-menetelmien käyttö
- Series.drop_duplicates()
Hanki B-sarakkeen ainutlaatuiset arvot
Tässä esimerkissä haemme ja tulostamme yksilölliset arvot B-sarakkeesta käyttämällä unique()> menetelmä. Tuloksena saadut ainutlaatuiset arvot ovat['B1', 'B2', 'B3', 'B4']>.
Python 3
# 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()> |
mikä on rom
>
>
Lähtö
array(['B1', 'B2', 'B3', 'B4'], dtype=object)>
Hanki pandan ainutlaatuiset arvot E-sarakkeesta
Tässä esimerkissä luomme pandas DataFrame -kehyksen sanakirjasta ja noutamme sitten ainutlaatuiset arvot E-sarakkeesta käyttämälläunique()>menetelmä. Tuloksena saadut ainutlaatuiset arvot ovat['E1']>.
Python 3
# 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()> |
>
>
Lähtö
array(['E1'], dtype=object)>
Hanki yksittäisten arvojen määrä sarakkeessa
Tässä esimerkissä luomme pandas DataFrame -kehyksen sanakirjasta ja sitten laskemme ja tulostamme yksilöllisten arvojen lukumäärän C-sarakkeessa NaN-arvoja lukuun ottamatta. Tulos on 3, mikä tarkoittaa, että sarakkeessa C on kolme ainutlaatuista arvoa.
Python 3
# 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>)> |
>
0,0625 murtolukuna
>
Lähtö
3>
Poista päällekkäiset arvot sarakkeesta käyttämällä set()
Tässä esimerkissä luomme pandas DataFrame -kehyksen sanakirjasta ja käyttää sitten set()>toiminto poimimaan ainutlaatuiset arvot sarakkeesta 'C' ja poistamaan kaksoiskappaleet. Tuloksena oleva sarja,{'C1', 'C2', 'C3'}>, edustaa sarakkeen C yksilöllisiä arvoja.
Python 3
# 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)> |
>
>
Lähtö
{'C1', 'C2', 'C3'}> Pandas.concat()- ja Unique()-menetelmien käyttö
Tässä esimerkissä luomme pandas DataFrame -kehyksen sanakirjasta ja yhdistämme sitten yksilölliset arvot kaikista sarakkeista käyttämällä pd.concat()> . Tuloksena oleva NumPy-taulukko näyttää tulostettuna kaikki yksilölliset arvot sarakkeista A–E.
merkkijonon muuntaminen kokonaisluvuksi javassa
Python 3
# 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)> |
>
>
Lähtö
['A1' 'A2' 'A3' 'A4' 'A5' 'B1' 'B2' 'B3' 'B4' 'C1' 'C2' 'C3' 'D1' 'D2' 'E1']>
Series.drop_duplicates()
Tässä esimerkissä luomme pandas DataFrame -kehyksen sanakirjasta ja poistamme kaksoiskappaleet sarakkeista 'A' ja 'D' käyttämällä drop_duplicates()>menetelmä . Tuloksena oleva DataFrame näyttää tulostettuna yksilölliset arvot sarakkeissa 'A' ja 'D' sekä NaN-arvot, joissa kaksoiskappaleet poistettiin D:stä.
Python 3
# 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)> |
>
muuntaa kokonaisluvun java-merkkijonoksi
>
Lähtö
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>