如何在Python中快速找出列中的唯一值_使用unique与nunique函数-Python教程-PHP中文网

pandas中series.unique()保留首次出现顺序，np.unique()强制升序；nunique()默认忽略nan计数；value_counts()可统计频次并支持排序、归一化及分箱；多列去重应使用drop_duplicates()而非嵌套unique()。

如何在python中快速找出列中的唯一值_使用unique与nunique函数

unique() 返回去重后的数组，但不保留原始顺序

unique() 是 NumPy 的函数，pandas 中 Series 也提供了同名方法。它返回的是一个 numpy.ndarray，**默认会排序**（升序），哪怕原始数据是时间序列或带业务含义的乱序。比如：

import pandas as pd
s = pd.Series(['c', 'a', 'b', 'a'])
s.unique()  # 返回 array(['c', 'a', 'b'], dtype=object) —— 顺序按首次出现？错！实际是 ['a' 'b' 'c']

注意：pandas 1.5+ 版本中，Series.unique() **确实保留首次出现顺序**，但 NumPy 的 np.unique() 仍强制排序。容易混淆的点在于——你调用的是哪个 unique。实操建议：

明确用 s.unique()（pandas Series 方法），它保持首次出现顺序，且不排序
避免直接用 np.unique(s)，除非你真需要排序结果或处理缺失值的特定逻辑
unique() 会把 NaN 当作一个有效值返回（即 NaN 出现在结果中）

nunique() 只返回唯一值个数，天然忽略 NaN

nunique() 是 pandas Series/DataFrame 的专属方法，只计数，不返回具体值。nunique() 默认参数 dropna=True，所以 NaN 不参与计数——这点和 len(s.unique()) 不同（后者会把 NaN 算进去）。常见错误：

python学习

Python 编程学习助手 skill，面向零基础用户。当用户表达以下意图时触发： - 学习 Python 基础概念（变量、数据类型、循环、函数、类等） - 请求 Python 练习题或测验 - 请求审查或调试 Python 代码 - 请求 Python 项目实战指导（爬虫、数据分析、Web 开发等入门项目） - 泛化表述如"教我 Python""我想学编程""Python 怎么写""帮我学 Python" 此 skill

下载

s = pd.Series([1, 2, 2, None])
print(len(s.unique()))   # 4 → [1, 2, nan] + nan？其实是 3 个元素，但 len(s.unique()) == 3（nan 算 1 个）
print(s.nunique())       # 2 → 正确忽略 NaN

使用场景：

做数据质量检查时，用 s.nunique() / len(s) 快速算重复率
在 groupby().agg() 中统计每组不同值数量，直接写 'nunique' 字符串即可
若需包含 NaN 计数，显式传参 s.nunique(dropna=False)

想同时看唯一值和频次？别硬套 unique + count —— 直接用 value_counts()

很多人想“先取唯一值，再逐个统计频次”，结果写一堆循环或 map(s.value_counts().get)，既慢又易错。value_counts() 一步到位，返回 Series，索引是唯一值，值是对应频次。它默认降序排列，且默认 dropna=True。关键细节：

value_counts(sort=False) 可关闭排序，此时顺序按首次出现（类似 unique() 行为）
value_counts(normalize=True) 直接得比例，不用自己除总数
对数值型列，value_counts(bins=5) 还能自动分箱统计
注意：空 Series 调用 value_counts() 返回空 Series，不是 0 或 None

DataFrame 多列组合去重，别用 unique() 套嵌套 —— 用 drop_duplicates()

面对多列联合去重（比如找“用户ID+日期”组合的唯一记录），别试图对多列分别调 unique() 再交叉验证。drop_duplicates() 才是正解，它作用于整行：

df = pd.DataFrame({'user': [1,1,2], 'day': ['2023-01-01', '2023-01-01', '2023-01-02']})
df.drop_duplicates(subset=['user', 'day'])  # 返回前两行去重后结果

注意：

subset 参数指定列名列表，不传则全列参与判断
keep='first'（默认）保留首次出现；keep=False 则只留完全不重复的行
若只要知道有多少组唯一组合，用 df.drop_duplicates(subset=[...]).shape[0]，比 df.groupby([...]).ngroups 更轻量