pandas重复项里找唯一不重复的值 代码

可以使用 `pd.Series.value_counts()` 方法来统计每个值出现的次数，然后筛选出只出现一次的值。示例代码如下：

import pandas as pd

# 创建一个包含重复值的 Series
s = pd.Series([1, 2, 3, 3, 4, 4, 5, 5, 6])

# 统计每个值出现的次数
counts = s.value_counts()

# 筛选出只出现一次的值
unique_values = counts[counts == 1].index

print(unique_values)

输出结果为：

Int64Index([1, 2, 6], dtype='int64')

其中 `unique_values` 就是包含所有唯一不重复的值的 Series。

相关问题

pandas多列重复项里找唯一不重复的值 代码

可以使用 `pd.DataFrame.duplicated()` 方法来找出重复行，然后再使用 `pd.DataFrame.drop_duplicates()` 方法去除重复行。示例代码如下：

import pandas as pd

# 创建一个包含重复行的 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 3, 4, 4, 5, 5, 6],
    'B': [7, 8, 9, 9, 10, 10, 11, 11, 12],
    'C': [13, 14, 15, 15, 16, 16, 17, 17, 18]
})

# 找出重复行
duplicated_rows = df.duplicated()

# 去除重复行，只保留第一次出现的行
unique_df = df[~duplicated_rows]

print(unique_df)

输出结果为：

   A   B   C
0  1   7  13
1  2   8  14
2  3   9  15
4  4  10  16
6  5  11  17
8  6  12  18

其中 `unique_df` 就是包含所有唯一不重复的行的 DataFrame。可以看到，每一列都有唯一不重复的值。如果只需要某些列的唯一不重复的值，可以使用 `pd.DataFrame.drop_duplicates()` 方法指定某些列来去重。例如，如果只需要列 A 和 B 的唯一不重复的值，可以这样写：

unique_values = df[['A', 'B']].drop_duplicates()
print(unique_values)

输出结果为：

   A   B
0  1   7
1  2   8
2  3   9
4  4  10
6  5  11
8  6  12

其中 `unique_values` 就是包含所有唯一不重复的行的 DataFrame，只包含了列 A 和 B。

根据df的C列进行去除重复项操作

在Pandas DataFrame中，如果你想基于"C"列去除重复项，可以使用`drop_duplicates()`函数。这个函数可以根据指定的列（在这里就是"C"列）找出重复的行并返回一个新的DataFrame，保留唯一的一项。以下是操作步骤：

import pandas as pd

# 假设df是一个已经存在的DataFrame
# 先确认'df'存在且'C'列是你想要去重的列
if 'C' in df.columns:
    df_unique = df.drop_duplicates(subset='C')
else:
    print("Column 'C' not found in the DataFrame.")

df_unique

这段代码首先检查"C"列是否存在，然后对"C"列进行去重操作。结果存储在一个新的DataFrame `df_unique`中，它只包含了"C"列不重复的行。

如果你希望直接在原地修改DataFrame，而不是创建新的DataFrame，可以使用`inplace=True`参数：

df.drop_duplicates(subset='C', keep='first', inplace=True)

这里`keep='first'`表示默认只保留每个重复组的第一个观测值。