Question

我有一个数据框（df），想要打印数据框中每列的唯一值。

我需要将变量（i）[列名]替换为print语句

column_list = df.columns.values.tolist()
for column_name in column_list:
    print(df."[column_name]".unique()

更新

当我使用它时：我得到＆＃34;意外的EOF解析＆＃34; ，没有额外的细节。

column_list = sorted_data.columns.values.tolist()
for column_name in column_list:
      print(sorted_data[column_name].unique()

您的语法YS-L（上面）和下面的内容有什么区别：

for column_name in sorted_data:
      print(column_name)
      s = sorted_data[column_name].unique()
      for i in s:
        print(str(i))

Answer 1

可以这样写得更简洁：

for col in df:
    print df[col].unique()

通常，您可以使用[]运算符（例如df['col']）或indexing通过attribute访问DataFrame列（例如df.col ）。

属性访问使得代码在事先知道目标列名称时更简洁，但有几个注意事项 - 例如，当列名称不是有效的Python标识符时，它不起作用（例如{{1} }），或与内置DataFrame属性冲突（例如df.123）。另一方面，df.index表示法应始终有效。

Answer 2

最受好评的答案是循环解决方案，因此使用pandas apply（）方法和lambda函数添加了单行解决方案。

print(df.apply(lambda col: col.unique()))

Answer 3

如果您正在尝试创建评论中提到的多个单独的数据框，请创建数据框字典：

df_dict = dict(zip([i for i in df.columns] , [pd.DataFrame(df[i].unique(), columns=[i]) for i in df.columns]))

然后，您可以使用列名称轻松访问任何数据框：

df_dict[column name]

Answer 4

只需这样做：

for i in df.columns:
    print(df[i].unique())

Answer 5

cu = []
i = []
for cn in card.columns[:7]:
    cu.append(card[cn].unique())
    i.append(cn)

pd.DataFrame( cu, index=i).T

Answer 6

我们可以使其更加简洁：

df.describe(include='all').loc['unique', :]

Pandas describe提供了有关每列的一些关键统计信息，但是我们只需获取“独特”统计信息，然后保留该统计信息即可。

请注意，这将为数字列提供唯一的NaN计数-如果您还希望包括这些列，则可以执行以下操作：

df.astype('object').describe(include='all').loc['unique', :]

Answer 7

或者简而言之可以写为：

for val in df['column_name'].unique():
    print(val)

Answer 8

下面的代码可以为您提供每个字段的唯一值列表，当您想深入了解数据框时，我发现它非常有用：

&x

如果希望对唯一值进行排序，也可以对其进行排序：

for col in list(df):
    print(col)
    print(df[col].unique())

Answer 9

做到这一点的最佳方法：

Series.unique()

例如 students.age.unique（），输出将是在学生数据框的“年龄”列中出现的不同值。

仅获取多少个不同值的数量：

Series.nunique()