如果数据框包含列中的列，则在列中查找不同的值

Question

让我们假设我们具有以下数据框：

d = {'col1': [[1,2], [1,2], [2,1]], 'col2': ['A', 'B', 'C']}
df = pd.DataFrame(data=d)
df

col1 col2
[1, 2] A 
[1, 2] B
[2, 1] C 

在数据框的某列中有一个列表的地方，如何计算每列中的不同值？ 函数df.nunique()无法正常工作，会出现此错误：TypeError: ("unhashable type: 'list'", 'occurred at index :97A::SAFE')

预期输出为：

col1 2
col2 3

我需要一种适用于更多列的解决方案，我的原始数据框将包含几列，并且我不知道哪一个包含一个列表，而哪个不包含一个列表。

Answer 1

对于包含列表的列，您可以将值映射到tuples，可散列的，然后使用nunique：

df.col1.map(tuple).nunique()
# 2

---

df['col1'] = df.col1.map(tuple)
df.nunique()

col1    2
col2    3
dtype: int64

---

如果您不知道哪些列可能包含列表：

df.applymap(tuple).nunique()

col1    2
col2    3
dtype: int64

或专门检查哪些列包含列表：

cols = [i for i, ix in enumerate(df.loc[0].values) if isinstance(ix, list)]
df.iloc[:,cols] = df.iloc[:,cols].applymap(tuple) 
df.nunique()

Answer 2

如果您没有数据相等性和字符串表示形式不同的类型，那么我会将整个数据框转换为字符串：

df.astype(str).nunique()

对于您的示例，数据帧是预期的：

col1    2
col2    3
dtype: int64

Answer 3

要获取列中的唯一值，您可以

import numpy as np

np.unique(np.vstack(df['col1'].values))

并获取唯一值的数量：

len(np.unique(np.vstack(df['col1'].values)))

您也可以使用np.hstack或np.concatenate代替np.vstack，但是在这里，我想保留列值的二维性。