Question

我正在寻找一种与sql相同的方法

＆＃34; SELECT DISTINCT col1，col2 FROM dataframe_table＆＃34;

pandas sql比较没有关于＆＃34; distinct＆＃34;

的任何内容

.unique（）仅适用于单个列，所以我想我可以连接列，或者将它们放在列表/元组中并进行比较，但这似乎是大熊猫应该以更原生的方式做的事情。

我错过了一些明显的东西，或者没有办法做到这一点？

Answer 1

您可以使用drop_duplicates方法获取DataFrame中的唯一行：

In [29]: df = pd.DataFrame({'a':[1,2,1,2], 'b':[3,4,3,5]})

In [30]: df
Out[30]:
   a  b
0  1  3
1  2  4
2  1  3
3  2  5

In [32]: df.drop_duplicates()
Out[32]:
   a  b
0  1  3
1  2  4
3  2  5

如果您只想使用某些列来确定唯一性，也可以提供subset关键字参数。请参阅docstring。

Answer 2

df没有unique方法，如果每列的唯一值数相同，则以下方法可以正常工作：df.apply(pd.Series.unique)但如果没有，那么您将收到错误。另一种方法是将值存储在以列名称为键的dict中：

In [111]:
df = pd.DataFrame({'a':[0,1,2,2,4], 'b':[1,1,1,2,2]})
d={}
for col in df:
    d[col] = df[col].unique()
d

Out[111]:
{'a': array([0, 1, 2, 4], dtype=int64), 'b': array([1, 2], dtype=int64)}

Answer 3

我尝试了不同的解决方案。首先是：

a_df=np.unique(df[['col1','col2']], axis=0)

，它适用于非对象数据避免错误（针对对象列类型）的另一种方法是应用drop_duplicates（）

a_df=df.drop_duplicates(['col1','col2'])[['col1','col2']]

您也可以使用SQL来执行此操作，但是在我的情况下，它的运行速度非常慢：

from pandasql import sqldf
q="""SELECT DISTINCT col1, col2 FROM df;"""
pysqldf = lambda q: sqldf(q, globals())
a_df = pysqldf(q)

Answer 4

要解决类似的问题，我正在使用groupby：

print(f"Distinct entries: {len(df.groupby(['col1', 'col2']))}")

这是否合适取决于您想要对结果做些什么（在我的情况下，我只想要与所示的COUNT DISTINCT等效）。

Answer 5

我认为根据数据帧，有时drop duplicate不会有用。

我发现了：

[in] df['col_1'].unique()
[out] array(['A', 'B', 'C'], dtype=object)

为我工作！

https://riptutorial.com/pandas/example/26077/select-distinct-rows-across-dataframe

Answer 6

您可以获取列的集合，只需从较大的集合中减去较小的集合：

distinct_values = set(df['a'])-set(df['b'])

如何选择不同的＆＃34;跨越pandas中的多个数据框列？

6 个答案: