For循环返回DataFrame中的唯一值

Question

我正在研究一个初学者的 ML 代码，为了计算一列中唯一样本的数量，作者使用了以下代码：def unique_vals(rows, col):    """Find the unique values for a column in a dataset."""    return set([row[col] for row in rows])但是，我正在使用 DataFrame，对我来说，此代码返回单个字母：'m'、'l' 等。我尝试将其更改为：set(row[row[col] for row in rows)但随后它返回：KeyError: "None of [Index(['Apple', 'Banana', 'Grape'   dtype='object', length=2318)] are in the [columns]"谢谢你的时间！

Answer 1

一般来说，你不需要自己做这些事情，因为pandas已经为你做了。

在这种情况下，您需要的是unique方法，您可以Series直接在 a 上调用该方法（pd.Series除其他外，它是表示列的抽象），并返回一个numpy包含该中唯一值的数组Series。

如果您想要多个列的唯一值，您可以执行以下操作：

which_columns = ... # specify the columns whose unique values you want here

uniques = {col: df[col].unique() for col in which_columns}

Answer 2

如果您正在处理分类列，那么以下代码非常有用

它不仅会打印唯一值，还会打印每个唯一值的计数

col = ['col1', 'col2', 'col3'...., 'coln']

#Print frequency of categories

for col in categorical_columns:

    print ('\nFrequency of Categories for varible %s'%col)

    print (bd1[col].value_counts())

例子：

df

     pets     location     owner

0     cat    San_Diego     Champ

1     dog     New_York       Ron

2     cat     New_York     Brick

3  monkey    San_Diego     Champ

4     dog    San_Diego  Veronica

5     dog     New_York       Ron

categorical_columns = ['pets','owner','location']

#Print frequency of categories

for col in categorical_columns:

    print ('\nFrequency of Categories for varible %s'%col)

    print (df[col].value_counts())

输出：

# Frequency of Categories for varible pets

# dog       3

# cat       2

# monkey    1

# Name: pets, dtype: int64

# Frequency of Categories for varible owner

# Champ       2

# Ron         2

# Brick       1

# Veronica    1

# Name: owner, dtype: int64

# Frequency of Categories for varible location

# New_York     3

# San_Diego    3

# Name: location, dtype: int64