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。

pandas 将df 按照列A中的值拆分保存为csv文件，并且行数不超过25000行，并且在25000行内包含的A值尽可能单一

在Python的pandas库中，你可以通过`groupby`函数结合`to_csv`函数来实现这样的需求。首先，你需要对DataFrame `df` 按照列`A`进行分组，然后对于每个组，只保留前25000行，并且尽量保持每组`A`值的唯一性。这可以通过`groupby`后的`head(25000)`以及`drop_duplicates()`操作来完成。以下是示例代码：

# 假设df是你的DataFrame
groups = df.groupby('A')

# 对于每个组，限制行数并删除重复值，然后保存为csv文件
for name, group in groups:
    # 保留最多25000行，并去重
    processed_group = group.head(25000).drop_duplicates()
    
    # 可能需要指定输出文件名，这里以name作为文件夹名和csv文件名
    output_filename = f"{name}.csv"
    processed_group.to_csv(output_filename, index=False)

这个脚本会创建一系列CSV文件，每个文件都对应`A`列的一个独特值，且文件包含不超过25000行的数据。