pd.unique()函数

`pd.unique()`函数是Pandas库中的一个方法，用于获取一个Series或DataFrame中的唯一值。该方法返回一个包含所有不同值的数组，按照它们在原始Series或DataFrame中的出现顺序排列。

使用示例：

import pandas as pd

# 创建一个Series
s = pd.Series([1, 2, 2, 3, 4, 4, 4, 5])

# 获取唯一值
unique_values = pd.unique(s)

print(unique_values)  # 输出 [1 2 3 4 5]

相关问题

def dropsame(data): for i in range(data.shape[1]): if pd.unique(data.iloc[:,i])==1: pd.drop(data.iloc[:,i]) dropsame(data) 报错为ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

这个错误是因为在 if 语句中使用了一个数组，而 Python 不知道应该使用数组的哪个元素来进行比较。你可以尝试使用 a.any() 或 a.all() 来解决这个问题。此外，你还需要修改代码中的 pd.drop()，因为它不会修改原始数据。下面是修改后的代码：

def dropsame(data):
    for i in range(data.shape[1]):
        if not pd.Series(data.iloc[:, i]).nunique():
            data.drop(data.columns[i], axis=1, inplace=True)
    return data

# 示例用法：
import pandas as pd
data = pd.DataFrame({'A': [1, 2, 3], 'B': [1, 1, 1], 'C': [2, 3, 4]})
print(dropsame(data))

这里我们使用了 `not pd.Series(data.iloc[:, i]).nunique()` 来判断某一列是否全部相同。如果是，就使用 `data.drop()` 删除该列，并将 `inplace` 参数设置为 `True`，这样就可以直接修改原始数据了。最后，该函数返回修改后的数据。

starbucks = pd.read_csv('C:\\Users\\LENOVO\\Desktop\\实验2\\starbucks.xls',encoding='utf-8') starbucks.head() len(starbucks['Country'].unique()) len(starbucks['City'].unique())

这段代码主要是用来读取名为“starbucks.xls”的CSV文件，并将结果存储到名为“starbucks”的数据框中。具体来说，pd.read_csv()函数用于读取CSV文件，其中包括文件路径和编码方式等参数。接下来，通过调用starbucks.head()函数，查看starbucks数据框中的前5行数据。

接下来，代码中使用了两个len()函数，分别计算了starbucks数据框中“Country”列和“City”列的唯一值的数量。这意味着，该数据框中有多少个不同的国家和城市。需要注意的是，这里的“unique()”函数没有被调用，因为len()函数会自动计算数组的长度，而数组中每个唯一值只会被计算一次。