Unique() 함수는 열에서 중복된 값을 모두 제거하고 동일한 여러 값에 대해 단일 값을 반환합니다. 이번 글에서는 컬럼에서 고유한 값을 얻는 방법에 대해 설명하겠습니다. 팬더 데이터프레임 .
중복 요소를 사용하여 Pandas 데이터프레임 만들기
목록 사전을 사용하여 샘플 Pandas 데이터프레임을 만듭니다. 즉, 열 이름은 다음과 같습니다. A, B, C, D, E 중복된 요소가 있습니다.
파이썬3
# 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)> |
>
>
Pandas DataFrame의 열에서 고유한 값 가져오기
다음은 이 데이터프레임에 있는 열의 고유 값을 얻을 수 있는 몇 가지 예입니다.
- 'B' 열의 고유 값 가져오기
- 'E' 열의 고유 값 가져오기
- 열의 고유 값 개수 가져오기
- set()을 사용하여 열에서 중복 값 제거
- pandas.concat() 및 Unique() 메서드 사용
- Series.drop_duplicates() 사용
'B' 열의 고유 값 가져오기
이 예에서는 다음을 사용하여 'B' 열에서 고유 값을 검색하고 인쇄합니다. unique()> 방법. 결과 고유 값은 다음과 같습니다.['B1', 'B2', 'B3', 'B4']>.
파이썬3
# 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()> |
>
자바 목록 정렬
>
산출
array(['B1', 'B2', 'B3', 'B4'], dtype=object)>
'E' 열에서 Pandas의 고유 값 가져오기
이 예에서는 사전에서 pandas DataFrame을 만든 다음 다음을 사용하여 'E' 열에서 고유 값을 검색합니다.unique()>방법. 결과 고유 값은 다음과 같습니다.['E1']>.
파이썬3
# 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()> |
>
>
산출
array(['E1'], dtype=object)>
열의 고유 값 개수 가져오기
이 예에서는 사전에서 pandas DataFrame을 만든 다음 NaN 값을 제외한 'C' 열의 고유 값 수를 계산하고 인쇄합니다. 결과는 3입니다. 이는 'C' 열에 3개의 고유 값이 있음을 나타냅니다.
파이썬3
자바스크립트를 위해 잠자기
# 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>)> |
>
>
산출
3>
set()을 사용하여 열에서 중복 값 제거
이 예에서는 사전에서 pandas DataFrame을 만든 다음 set()>기능 중복을 제거하여 'C' 열에서 고유한 값을 추출합니다. 결과 집합,{'C1', 'C2', 'C3'}>, 'C'열의 고유 값을 나타냅니다.
파이썬3
# 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)> |
이진 트리 대 bst
>
>
산출
{'C1', 'C2', 'C3'}> pandas.concat() 및 Unique() 메서드 사용
이 예에서는 사전에서 pandas DataFrame을 만든 다음 다음을 사용하여 모든 열의 고유 값을 연결합니다. pd.concat()> . 결과 NumPy 배열은 인쇄 시 'A' 열에서 'E' 열까지의 모든 고유 값을 표시합니다.
파이썬3
# 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)> |
>
>
산출
['A1' 'A2' 'A3' 'A4' 'A5' 'B1' 'B2' 'B3' 'B4' 'C1' 'C2' 'C3' 'D1' 'D2' 'E1']>
Series.drop_duplicates() 사용
이 예에서는 사전에서 pandas DataFrame을 생성하고 다음을 사용하여 'A' 및 'D' 열에서 중복 항목을 제거합니다. drop_duplicates()>방법 . 결과 DataFrame이 인쇄되면 'A' 및 'D' 열에 고유한 값이 표시되며 'D'에서 중복이 제거된 NaN 값이 표시됩니다.
파이썬3
# 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)> |
>
>
산출
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>