Pandas之unique和nunique傻傻分不清楚

最新推荐文章于 2025-04-01 07:49:55 发布
最新推荐文章于 2025-04-01 07:49:55 发布
阅读量1.4k 收藏 4
点赞数
分类专栏： # Python数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44835732/article/details/105137720
版权

同样是返回数据中的唯一值， unique 返回的是唯一值的数组， nunique 返回的所有唯一值的总和。

在这里插入图片描述

一文速学(十四)-数据分析之Pandas处理DataFrame稀疏数据及维度不匹配数据详解
master_hunter的博客
08-13 2012
众所周知我们获取的第一手数据往往都是比较杂乱无章的，这些文件保存一般都是csv文件或者是excel文件，读取转换成DataFrame还有可能因为缺少列索引或者是各类数据维度不相等而报错。Pandas的基础数据结构Series和DataFrame。一文速学-数据分析之Pandas数据结构和基本操作代码一文速学-Pandas实现数值替换、排序、排名、插入和区间切片DataFrame行列表查询操作详解+代码实战一文速学-Pandas索引重塑实现长宽表数据转换。...
python pandas 分类汇总用法_python之pandas用法大全
weixin_35918198的博客
02-02 4886
一、生成数据表1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用： import numpy as npimport pandas as pd2、导入CSV或者xlsx文件： df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))3、用pa...
Python--unique()与nunique()函数
Python热爱者的博客
09-26 6327
1 unique() 统计list中的不同值时，返回的是array.它有三个参数，可分别统计不同的量，返回的都是array. 当list中的元素也是list时，尽量不要用这种方法. import numpy as np a = [1,5,4,2,3,3,5] # 返回一个array print(np.unique(a)) # [1 2 3 4 5] # 返回该元素在list中第一次出现的索引 print(np.unique(a,return_index=True)) # (array([1, 2, 3,
【Pandas】pandas unique
weixin_39648905的博客
12-08 1116
`pandas.unique` 是 Pandas 库中的一个函数，它用于返回输入数据中的唯一值数组。以下是对 `pandas.unique` 每个参数的详细介绍，以及相应的示例和结果。
df.unique() 基于列的整个 DataFrame
最新发布
04-01 477
这里提供了一个简单的例子：假设我们有一个包含用户的浏览历史的数据，我们可以使用机器学习算法来预测用户的兴趣爱好。在Python中，`pandas`库是一个强大的数据处理工具，其中包含一个名为`unique()`的方法，用于获取DataFrame中指定列的唯一值。这表示在'Name'、'Age'和'City'列中，唯一的值分别是['John']、['25']和['New York']。然后，我们可以使用这个模型来预测任何用户的兴趣爱好。这表示在'Name'列中，唯一的值是'John'和'Mary'。
Pandas中的unique()和nunique()方法
热门推荐
读万卷书 行万里路
04-06 3万+
Pandas中Series和DataFrame的两种数据类型中都有nunique()和unique()方法。这两个方法作用很简单，都是求Series或Pandas中的不同值。而unique()方法返回的是去重之后的不同值，而nunique()方法则直接放回不同值的个数。具体如下： 如果Series或DataFrame中没有None值，则unique()方法返回的序列数据的长度等于nuniqu...
pandas：unique()和nunique()
cwtnice的博客
06-01 930
unique()： 以数组形式（numpy.ndarray）返回列的所有唯一值 nunique()： 即返回的是唯一值的个数 测试代码： import pandas as pd poke_data = pd.read_csv(r'res\pokemon.csv') t1 = poke_data['Type 1'].unique() # 输出 numpy.ndarray type(t1) t2 = poke_data['Type 1'].nunique() # 输出 int type(t2) 输出：
python中unique函数_Pandas Series.unique()用法介绍
weixin_39990029的博客
12-21 7452
本文概述在Pandas中使用DataFrame时, 你需要查找列中存在的唯一元素。为此, 我们必须使用unique()方法从列中提取唯一值。 Python中的Pandas库可以轻松地帮助我们找到唯一的数据。列中存在的唯一值按其出现的顺序返回。这不会排序其出现顺序。另外, 此方法基于哈希表。它比numpy.unique()方法快得多, 并且还包含空值。句法pandas.unique(values)参...
pandas的Series和DataFrame
weixin_46704813的博客
10-25 2038
文章目录一、pandas的核心类二、Series(数据系列)带标签的数组1.创建Series对象2.Series切片和索引读取文件二、Dataframe 二维，Series容器1.将字典转换为二维数组2. 一、pandas的核心类 Series（一位数组）、DataFrame（二维数组）、Index（索引） 二、Series(数据系列)带标签的数组 1.创建Series对象 2.Series切片和索引 读取文件 csv、excel、sql… 读取csv文件：pd.read_csv("./路径") 二、Da
Python数据分析之pandas库的使用详解
qq_46292926的博客
09-17 2274
本篇文章目录一、前言二、什么是pandas三、pandas安装四、pandas的常用数据类型4.1 series：表示一维，带标签数组，一行或一列4.1.1创建series4.1.2 打印索引值4.1.3 打印数据值4.1.3 创建一个具有标签索引的series4.1.4 使用python字典创建series4.1.5 根据索引值查询数据4.2 DataFrame：表示二维，多行多列五、数据的读取......
Pandas进阶贰 pandas基础
qq_32844743的博客
12-19 519
Pandas进阶贰 pandas基础 pandas进阶系列根据datawhale远昊大佬的joyful pandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了《利用Python进行数据分析》、numpy官网、pandas官网 为了方便自己回顾和助教审阅，每一节先将原教程重要知识点罗列一下帮助自己回顾，在其后写一些自己的心得以及我的习题计算过程 本文的的函数总结中， 库函数使用 包名+函数名 命名，如pd.read_csv() 类方法用 类名简写或x + 函数名 命名，如df.to_csv()
pandas库中unique函数方法
basktball_poet的博客
12-01 1618
unique方法可以进行对于一列数据进行去重，并返回所有不同的值。如我们对数据集的标签页进行使用该函数，就可以输出一共有多少种标签类型。
Python——nunique()和unique()
赖格宝的博客
01-12 2309
方法只会计算不同值的数量，对于重复出现的值，只计算一次。如果想要计算重复值的数量，可以使用。中，它返回的是 "item_name" 列中所有不同的值的数组。上面这两个代码都可以返回 "item_name" 列中不同值的数量。中，它会返回 "item_name" 列中不同值的数量。
【Pandas】pandas.unique详解与实战应用：一探独一值的奥秘，用于返回数据中唯一值的数组
科技改变人类，技术成就未来
08-04 1273
在数据分析和处理过程中，常常需要提取一列或一组数据中的唯一值，即独一无二的元素。pandas.unique 是 Pandas 提供的一个函数，用于返回数据中唯一值的数组。本文将详细介绍 pandas.unique 的用途和用法，包括其参数详解、示例代码以及进阶使用技巧。
pandas的nunique(分组之后统计一列的不同值）
qq_33333002的博客
04-12 4571
1.源数据： 2.这里的目的是先按user_id去分组，然后统计books列里没有重复值的数据，所以这里设置了两条重复的数据。 预期输出： user1有2个不重复的books值 user2有3个不重复的books值 user3有1个不重复的books值 3.读取数据 import pandas as pd df = pd.read_excel('测试nuique.xlsx') 4.nuniq...
unique和nunique的区别
weixin_40238600的博客
08-03 1209
简单明了： 以kaggle的 Intermediate Machine Learning Micro-Course Home Page为例 unique() 统计list、series中的不同值的个数,返回的是list. nunique() 可直接统计dataframe中每列的不同值的个数,也可用于series,但不能用于list.返回的是不同值的个数. ...
在 pandas中 unique 和 nunique 的基础使用方法
晨晨渝奇的博客
07-22 499
说白了就是一个查唯一的值都有哪些一个查唯一的值的数量有多少。
pandas中unique()函数与nunique()函数的区别
weixin_45459911的博客
04-14 1911
这两个函数都是跟唯一值相关的。 不同的是： unique()函数是以数组形式返回列的所有唯一值。 nunique()函数则是返回所有唯一值的个数。 代码示例 data = pd.DataFrame(['man','woman'],columns=['x']) data['x'].unique() Out[11]: array(['man', 'woman'], dtype=object) data...
pandas库中的series
03-22
<think>好的，用户想了解Pandas库中Series的使用方法和属性。首先，我需要回忆一下Series的基本概念，它是Pandas中的一维数据结构，类似于带标签的数组。接下来，用户可能想知道如何创建Series，以及常用的属性和方法有哪些。 首先，创建Series可以通过列表、字典或者NumPy数组。例如，使用pd.Series(data, index)来创建，其中index参数可选，如果没有指定，默认是0开始的整数索引。需要举几个例子，比如从列表创建和从字典创建的区别，特别是当使用字典时，键会自动成为索引。 然后，常用属性方面，用户可能关心values、index、dtype、name、shape这些。比如values返回数组形式的数据，index获取索引对象，dtype查看数据类型，name是Series的名称，shape返回形状。这里需要确保每个属性都解释清楚，并给出示例代码片段。 接下来是常用方法，比如head()和tail()查看数据的前几行或后几行，isnull()和notnull()检测缺失值，sort_values()和sort_index()进行排序，describe()生成统计摘要，unique()获取唯一值，value_counts()统计频数，apply()应用函数。每个方法都需要简要说明用途，并给出示例代码。 此外，用户可能还想知道Series的索引和切片操作，比如使用位置或标签索引，以及布尔索引。这部分需要说明如何使用.loc和.iloc，以及直接通过标签或位置访问数据的方法。 还需要注意用户提供的引用内容，比如引用[1]提到了describe()和unique()方法，引用[2]提到了shape属性和创建方法。需要将这些引用内容自然地融入到回答中，并在适当的位置添加引用标识。 最后，考虑到用户可能对实际应用场景感兴趣，可以简要提及Series在数据分析中的常见用途，比如数据清洗、统计分析等。同时，生成的相关问题需要围绕Series的更多细节，如处理缺失值、统计方法、与DataFrame的交互等，帮助用户进一步学习。</think>### Pandas Series 使用方法及属性详解 #### 一、Series 的创建 Pandas Series 是一种一维数据结构，可存储任意数据类型（整数、字符串、浮点数、Python对象等），并带有标签（索引）。以下是常见的创建方式： 1. **从列表创建** ```python import pandas as pd data = [10, 20, 30, 40] s = pd.Series(data, name="MySeries") ``` 2. **从字典创建** 字典的键会自动成为索引： ```python data = {'a': 10, 'b': 20, 'c': 30} s = pd.Series(data) ``` 3. **指定索引** 自定义索引会覆盖默认的整数索引： ```python s = pd.Series([10, 20, 30], index=['x', 'y', 'z']) ``` --- #### 二、常用属性 1. **`values`**：返回数据的 NumPy 数组形式 ```python print(s.values) # 输出: [10 20 30] ``` 2. **`index`**：获取索引对象 ```python print(s.index) # 输出: Index(['x', 'y', 'z'], dtype='object') ``` 3. **`dtype`**：查看数据类型 ```python print(s.dtype) # 输出: int64 ``` 4. **`name`**：Series 的名称 ```python s.name = "MyData" ``` 5. **`shape`**：返回形状元组 ```python print(s.shape) # 输出: (3,)[^2] ``` --- #### 三、常用方法 1. **`head(n)` / `tail(n)`** 查看前/后 `n` 行数据（默认 `n=5`）： ```python s.head(2) # 输出前两行 ``` 2. **`isnull()` / `notnull()`** 检测缺失值（`NaN`）： ```python s = pd.Series([1, None, 3]) print(s.isnull()) # 输出布尔值数组 ``` 3. **`sort_values()` / `sort_index()`** 按值或索引排序： ```python s.sort_values(ascending=False) # 降序排列 ``` 4. **`describe()`** 生成统计摘要（计数、均值、标准差等）[^1]： ```python print(s.describe()) ``` 5. **`unique()`** 获取唯一值数组[^1]： ```python s = pd.Series([1, 2, 2, 3]) print(s.unique()) # 输出: [1 2 3] ``` 6. **`value_counts()`** 统计唯一值频次： ```python print(s.value_counts()) # 输出: 2→2次, 1→1次, 3→1次 ``` 7. **`apply(func)`** 应用自定义函数： ```python s.apply(lambda x: x**2) # 计算平方 ``` --- #### 四、索引与切片 1. **标签索引** ```python print(s['x']) # 输出索引为'x'的值 → 10 ``` 2. **位置索引** ```python print(s.iloc[1]) # 输出第2个值 → 20 ``` 3. **布尔索引** ```python print(s[s > 15]) # 输出值大于15的元素 ``` --- #### 五、应用场景示例 - **数据清洗**：通过 `isnull()` 定位缺失值，结合 `fillna()` 填充。 - **统计分析**：使用 `describe()` 快速获取数据分布[^1]。 - **数据转换**：通过 `apply()` 实现自定义逻辑（如单位换算）。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值