For 循环返回 DataFrame 中的唯一值

Question

我正在研究初学者的 ML 代码，为了计算列中唯一样本的数量，作者使用了以下代码：

def unique_vals(rows, col):
    """Find the unique values for a column in a dataset."""
    return set([row[col] for row in rows])

然而，我正在使用 DataFrame，对我来说，此代码返回单个字母：“m”、“l”等。我尝试将其更改为：

set(row[row[col] for row in rows)

但随后它返回：

KeyError: "None of [Index(['Apple', 'Banana', 'Grape'   dtype='object', length=2318)] are in the [columns]"

谢谢你的时间！

Answer 1

一般来说，您不需要自己做这些事情，因为pandas它们已经为您做了。

在这种情况下，您需要的是一个unique方法，您可以直接调用该方法Series（该pd.Series方法是表示列等的抽象），并返回一个numpy包含该中唯一值的数组Series。

如果您想要多列的唯一值，您可以执行以下操作：

which_columns = ... # specify the columns whose unique values you want here

uniques = {col: df[col].unique() for col in which_columns}