如何跨熊猫的多个数据框列“选择不同”？

我正在寻找一种等效于SQL的方法

SELECT DISTINCT col1, col2 FROM dataframe_table

pandas sql比较与无关distinct。

.unique() 仅适用于单个列，因此我想我可以合并这些列，或将它们放在列表/元组中并进行比较，但这似乎是熊猫应该以更原生的方式进行的操作。

我是否缺少明显的东西，还是没有办法做到这一点？

您可以使用该drop_duplicates方法来获取DataFrame中的唯一行：

In [29]: df = pd.DataFrame({'a':[1,2,1,2], 'b':[3,4,3,5]})

In [30]: df
Out[30]:
   a  b
0  1  3
1  2  4
2  1  3
3  2  5

In [32]: df.drop_duplicates()
Out[32]:
   a  b
0  1  3
1  2  4
3  2  5

subset如果只想使用某些列来确定唯一性，则还可以提供关键字参数。请参阅文档字符串。

我尝试了不同的解决方案。首先是：

a_df=np.unique(df[['col1','col2']], axis=0)

并且适用于非对象数据，这也是另一种避免错误（针对对象列类型）的方法是应用drop_duplicates（）

a_df=df.drop_duplicates(['col1','col2'])[['col1','col2']]

您也可以使用SQL来执行此操作，但是在我的情况下，它的运行速度非常慢：

from pandasql import sqldf
q="""SELECT DISTINCT col1, col2 FROM df;"""
pysqldf = lambda q: sqldf(q, globals())
a_df = pysqldf(q)

没有unique用于df的方法，如果每列的唯一值的数量相同，则可以进行以下操作：df.apply(pd.Series.unique)但是，如果不这样做，则会出现错误。另一种方法是将值存储在以列名称为键的dict中：

In [111]:
df = pd.DataFrame({'a':[0,1,2,2,4], 'b':[1,1,1,2,2]})
d={}
for col in df:
    d[col] = df[col].unique()
d

Out[111]:
{'a': array([0, 1, 2, 4], dtype=int64), 'b': array([1, 2], dtype=int64)}

为了解决类似的问题，我正在使用groupby：

print(f"Distinct entries: {len(df.groupby(['col1', 'col2']))}")

不过，这是否合适将取决于您要对结果执行什么操作（在我的情况下，我只是想要与COUNT DISTINCT所示结果等效）。

我认为drop duplicate根据数据框的使用有时并不会那么有用。

我找到了这个：

[in] df['col_1'].unique()
[out] array(['A', 'B', 'C'], dtype=object)

为我工作！

https://riptutorial.com/pandas/example/26077/select-distinct-rows-across-dataframe

您可以采用列的集合，并从较大的集合中减去较小的集合：

distinct_values = set(df['a'])-set(df['b'])