🔍 Как узнать уникальные значения столбца pandas 🐼

    
    import pandas as pd

    # Создание DataFrame
    df = pd.DataFrame({'Столбец': [1, 1, 2, 3, 3, 3]})

    # Получение уникальных значений столбца
    unique_values = df['Столбец'].unique()

    # Печать уникальных значений
    print(unique_values)
    
    

Когда вы работаете с данными в pandas, иногда вам может потребоваться найти уникальные значения в столбце. Найдя эти значения, вы сможете лучше понять данные и выполнить необходимые манипуляции с ними.

Для того чтобы узнать уникальные значения столбца в pandas, можно использовать метод unique. Этот метод возвращает отсортированный по порядку появления массив с уникальными значениями.

Давайте рассмотрим пример. У нас есть датафрейм с именами студентов и их возрастом:

import pandas as pd

data = {'Имя': ['Алексей', 'Елена', 'Дмитрий', 'Анна', 'Алексей'],
        'Возраст': [24, 22, 25, 23, 24]}

df = pd.DataFrame(data)

Теперь мы хотим узнать уникальные значения в столбце Имя. Мы можем использовать метод unique следующим образом:

unique_values = df['Имя'].unique()
print(unique_values)

В результате получим:

['Алексей' 'Елена' 'Дмитрий' 'Анна']

Как видно, метод unique вернул массив с уникальными значениями в столбце Имя. Теперь мы можем использовать эти значения для дальнейшей обработки данных.

Кроме метода unique, также можно использовать метод value_counts, чтобы узнать количество вхождений каждого уникального значения в столбце. Возвращаемый результат будет отсортирован по убыванию количества вхождений. Вот как это выглядит:

value_counts = df['Имя'].value_counts()
print(value_counts)

Результат:

Алексей    2
Елена      1
Дмитрий    1
Анна       1
Name: Имя, dtype: int64

В этом примере мы получаем количество вхождений каждого уникального значения в столбце Имя. Например, значение Алексей встречается два раза, а значения Елена, Дмитрий и Анна встречаются по одному разу.

Теперь, когда вы знаете, как найти уникальные значения столбца в pandas, вы можете применять этот навык к вашим собственным данным. Удачи в работе с pandas!