Pandas – 从多列中寻找唯一值

当我们处理数据时可能需要在多列中查找某个唯一值，这时候就可以使用 Pandas 来完成这个任务。

假设我们有以下数据集，包含多个人的姓名、年龄、性别和职业：

名字	年龄	性别	职业
Tom	22	男	程序员
Alice	25	女	产品经理
Bob	28	男	销售
Tom	30	男	产品经理
Alice	24	女	销售

我们想要知道每位人员的职业是唯一的还是存在重复。

首先，我们可以使用 Pandas 的 drop_duplicates() 函数去除重复的行，并使用 subset 参数选择要看的列。

import pandas as pd

# 从 csv 文件中读取数据
data = pd.read_csv('data.csv')

# 选择要查看的列
cols = ['名字', '年龄', '性别', '职业']

# 使用 drop_duplicates() 函数去除重复行
unique_data = data.drop_duplicates(subset=cols)

# 选择要显示的列
show_cols = ['名字', '职业']

# 显示不重复的人员及职业列
print(unique_data[show_cols])

运行结果为：

     名字    职业
0    Tom  程序员
1  Alice  产品经理
2    Bob    销售
3    Tom  产品经理
4  Alice    销售

可以看到，结果中每位人员都对应着唯一的职业。

接着，我们可以使用 Pandas 的 groupby() 函数对职业列进行分组，然后计算每个职业分组的数量。

# 对职业列进行分组
grouped_data = unique_data.groupby('职业')

# 计算每个职业分组的数量
count_data = grouped_data.count()

# 显示结果
print(count_data['名字'])

运行结果为：

职业
产品经理    2
程序员     1
销售      2
Name: 名字, dtype: int64

结果中每个职业前面的数字就是该职业所拥有的人数。

综上，我们可以通过 Pandas 的 drop_duplicates() 函数和 groupby() 函数来从多列中寻找唯一值。