Pandas中unique和nunique区别详解
在Pandas数据处理中,`unique()`和`nunique()`虽都涉及“去重”,但本质迥异:前者返回不重复值的NumPy数组(用于探查取值集合),后者返回整数型唯一值数量(用于统计分析);二者在NaN处理、链式调用、groupby兼容性、性能及适用场景上存在关键差异——误用会导致报错、结果偏差或逻辑漏洞,例如`unique()`无法直接排序需转Series,而`nunique()`默认忽略NaN却可通过`dropna=False`纳入统计;真正高效的数据分析,始于明确目标:要“有哪些值”还是“有多少个”,再结合`drop_duplicates()`清洗或`value_counts()`深化洞察,细节决定结果的准确性与可维护性。

用 unique() 拿出所有不重复值,但结果是 NumPy 数组
它不返回 Pandas 对象,而是 numpy.ndarray,所以不能直接链式调用 .sort_values() 或 .str.upper() 这类 Pandas 方法。常见错误是写成 df['col'].unique().sort_values(),报错 AttributeError: 'numpy.ndarray' object has no attribute 'sort_values'。
如果真要排序或进一步处理,得先转回 Series:pd.Series(df['col'].unique()).sort_values()。不过更常用的是配合 drop_duplicates()——后者保留原始 dtype 和索引结构,适合后续计算。
unique()忽略 NaN,默认去重(NaN 被视为一个值)- 对 datetime、category 类型也有效,但返回的数组元素类型可能和原列不完全一致(比如 category 列返回 object 数组)
- 性能上比
drop_duplicates()略快,但差别通常可忽略
用 nunique() 统计不重复个数,注意 NaN 默认不算
nunique() 返回的是整数,不是列表。最常踩的坑是误以为它和 len(unique()) 完全等价——其实默认情况下,nunique() 把 NaN 当作缺失值跳过,而 len(df['col'].unique()) 会把 NaN 算作一个唯一值。
比如一列是 [1, 2, np.nan, np.nan]:nunique() 返回 2,len(unique()) 返回 3(因为 np.nan 在数组里只出现一次)。
- 想让
nunique()把 NaN 当作一个值统计,加参数dropna=False - 支持
axis=1按行统计,但仅限于 DataFrame;Series 只能按列(即自身)统计 - 在 groupby 后使用时,
nunique()是聚合函数,unique()会报错(不能直接聚合)
别混淆 unique() 和 drop_duplicates()
unique() 是“抽出来”,drop_duplicates() 是“删掉重复、留下首次出现的行”。它们目的不同:前者用于观察有哪些值,后者用于清洗数据。
例如 df.drop_duplicates(subset=['A']) 返回的是 DataFrame 子集,保留原始索引;而 df['A'].unique() 返回的是纯值列表,无索引、无列名。
drop_duplicates()支持keep='last'或keep=False,unique()没有这类控制drop_duplicates()可以基于多列去重,unique()只能作用于单列或单 Series- 对含 list/dict 的列,
unique()会报TypeError(不可哈希),drop_duplicates()同样不支持——得先转成字符串或 tuple
groupby 后怎么安全地取唯一值?用 apply(set) 还是 nunique()?
如果目标是“每组有多少个不同值”,直接用 .nunique();如果目标是“每组有哪些值”,就别用 .unique()——它在 groupby.agg() 里可能被自动降维或报错,尤其遇到空组时。
稳妥做法是 df.groupby('A')['B'].apply(lambda x: list(x.unique())),或者更清晰的 df.groupby('A')['B'].apply(set).apply(list)。但要注意 set 不保序,且不能包含 unhashable 类型。
- 空组下
nunique()返回0,unique()返回空数组[],行为一致 - 大数据量时,
apply(set)比多次调用unique()稍慢,但可读性更好 - 若需去重后还带计数,直接用
value_counts()配合 groupby 更直接
unique() 或 nunique();至于要不要保留 NaN、要不要排序、要不要进 groupby 流程——这些细节一旦漏掉,结果就差一个 NaN 或者少一行数据。终于介绍完啦!小伙伴们,这篇关于《Pandas中unique和nunique区别详解》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
哔哩轻小说2025最新入口网址
- 上一篇
- 哔哩轻小说2025最新入口网址
- 下一篇
- Go语言Channel实现订阅发布模式解析
-
- 文章 · python教程 | 19小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python textwrap.TextWrapper.drop_whitespace 怎样控制换行边缘的空白保留
- 238浏览 收藏
-
- 文章 · python教程 | 20小时前 | 标准库 · python · Python 参数绑定 Signature BoundArguments inspect.Signature.bind_partial
- Python inspect.Signature.bind_partial 怎样允许缺省必填参数进行部分绑定
- 492浏览 收藏
-
- 文章 · python教程 | 22小时前 | python · 文件系统 · Python 文件比较 mtime filecmp.clear_cache filecmp.cmp 比较缓存
- Python filecmp.clear_cache 怎样清除文件比较结果缓存
- 290浏览 收藏
-
- 文章 · python教程 | 23小时前 | 标准库 · 递归 · python · Python 解释器 递归限制 sys.getrecursionlimit
- Python sys.getrecursionlimit 怎样读取解释器设置的递归深度上限
- 129浏览 收藏
-
- 文章 · python教程 | 1天前 | Python教程 · Python memoryview memoryview.toreadonly bytearray 只读视图 缓冲区协议
- Python memoryview.toreadonly 怎样生成只读视图而不复制底层数据
- 470浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python decimal flags 精度 舍入 Context.copy_abs Decimal.copy_abs
- Python decimal.Context.copy_abs 怎样取绝对值而不受当前精度舍入影响
- 389浏览 收藏
-
- 文章 · python教程 | 1天前 | 字符串 · 标准库 · Python教程 · Python placeholder 文本截断 textwrap TextWrapper max_lines
- Python textwrap.TextWrapper.placeholder 怎样为截断后的段落设置结束标记
- 301浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1116次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1104次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1277次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1219次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1067次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
