如何识别数据框中的唯一项目？答案

【问题标题】：How to identify unique items in a dataframe?如何识别数据框中的唯一项目？
【发布时间】：2021-05-22 18:39:54
【问题描述】：

我有包含数字的数据集（用于项集挖掘）。数据集如下：

我如何从中识别独特的物品？

我目前的尝试如下：

dataset = pd.read_csv('dataset.csv', sep='\t')
pd.unique(dataset)

但我收到错误消息：ValueError: could not broadcast input array from shape (3000,1) into shape (3000)。

【问题讨论】：

【解决方案1】：

pd.unique 需要 1d 类数组 输入，因此您可以尝试 pd.unique(dataset.values.ravel())

【讨论】：

【解决方案2】：

你的问题不是很清楚。似乎每一行都是一个可变长度的列表。让我猜猜。

如果您确实希望数据框将所有列表放在一列中，而不是一堆到处都是 NaN 的列，请在 read_csv 之后尝试：

dataset.apply(lambda x: list(x), axis=1)

如果你想要唯一的行，最简单的方法是：

uniques = dataset.drop_duplicates(keep='first')

如果您想要特定列的唯一值：

dataset["column name"].unique()

将返回一个由唯一值组成的 numpy 数组。

【讨论】：