如何在 DataFrame 列类型的对象中找到唯一值？答案

【问题标题】：How to find unique value in a DataFrame column type of object?如何在 DataFrame 列类型的对象中找到唯一值？
【发布时间】：2020-02-07 10:47:15
【问题描述】：

input_data = [np.array(['chicken', 'creamofchickensoup'], dtype=object), np.array(['stickscelery', 'Chicken', 'CreamofChickensoup', 'babycarrots', 'pepper'], dtype=object), np.array(['chicken', 'creamofchickensoup'], dtype=object)]

我想查找此列“input_data”的唯一值。如果使用 pandas.unique()，我收到了这个TypeError: unhashable type: 'numpy.ndarray'

当pd.Series(input_data).value_counts()使用时，结果是

>>> pd.Series(input_data).value_counts()
[chicken, creamofchickensoup]                                       1
[stickscelery, Chicken, CreamofChickensoup, babycarrots, pepper]    1
[chicken, creamofchickensoup]                                       1
dtype: int64

[chicken, creamofchickensoup] 的预期值应该是 2。

如何找到列的唯一值 dtype is object？谢谢。

【问题讨论】：

你用pandas.Series试过这个
也许尝试排序 tuple 代替..？ pd.Series(input_data).apply(lambda x: tuple(sorted(x))).value_counts()

标签： python pandas dataframe numpy-ndarray

【解决方案1】：

您可以使用itertools.chain 链接内部数组并使用set：

from itertools import chain

set(chain.from_iterable(input_data))

{'Chicken',
 'CreamofChickensoup',
 'chicken',
 'creamofchickensoup',
 'stickscelery'}

要获取value_counts，需要explode这个栏目：

pd.Series(input_data).explode().value_counts()

creamofchickensoup    1
Chicken               1
chicken               1
CreamofChickensoup    1
stickscelery          1
dtype: int64

【讨论】：