> For the complete documentation index, see [llms.txt](https://bemind.gitbook.io/neural/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://bemind.gitbook.io/neural/uchebniki-po-pandas-i-numpy/pandas/pandas-unique-poluchenie-unikalnykh-znachenii-v-dataframe.md).
# Pandas unique(): Получение уникальных значений в DataFrame
В этом учебнике **вы узнаете, как получать уникальные значения в DataFrame Pandas, включая получение уникальных значений для одного столбца и для нескольких столбцов**. Умение работать с уникальными значениями является важным навыком для данных учёных или инженеров данных любого уровня подготовки.
К концу этого урока вы научитесь следующему:
* Как использовать метод Pandas `.unique()` для получения уникальных значений в столбце Pandas DataFrame
* Как получить уникальные значения в нескольких столбцах
* Как подсчитать уникальные значения и создать таблицы частот для уникальных значений
Содержание
* [Быстрый ответ: используйте Pandas unique()](#bystryi-otvet-ispolzuite-pandas-unique)
* [Реальное применение уникальных данных](#realnoe-primenenie-unikalnykh-dannykh)
* [Понимание метода unique() Pandas](#ponimanie-metoda-unique-pandas)
* [Получите уникальные значения для столбца DataFrame Pandas](#poluchite-unikalnye-znacheniya-dlya-stolbca-dataframe-pandas)
* [Получите уникальные значения для столбца Pandas в виде списка](#poluchite-unikalnye-znacheniya-dlya-stolbca-pandas-v-vide-spiska)
* [Получите уникальные значения для нескольких столбцов DataFrame Pandas](#poluchite-unikalnye-znacheniya-dlya-neskolkikh-stolbcov-dataframe-pandas)
* [Подсчет уникальных значений в столбце DataFrame Pandas](#podschet-unikalnykh-znachenii-v-stolbce-dataframe-pandas)
* [Подсчет появления уникальных значений в столбце DataFrame Pandas](#podschet-poyavleniya-unikalnykh-znachenii-v-stolbce-dataframe-pandas)
* [Часто задаваемые вопросы](#chasto-zadavaemye-voprosy)
* [Заключение](#zaklyuchenie)
### Быстрый ответ: используйте Pandas unique()
Вы можете использовать метод `.unique()` библиотеки Pandas, чтобы получить уникальные значения в столбце DataFrame Pandas. Значения возвращаются в порядке их появления и не сортируются.
Взгляните на блок кода ниже, чтобы узнать, как работает этот метод:
```python
# Получите уникальные значения в столбце DataFrame Pandas
import pandas as pd
df = pd.DataFrame({'Education': ['Graduate','Graduate','Undergraduate','Postgraduate']})
unique_vals = df['Education'].unique()
print(unique_vals)
# Возвращает: ['Graduate' 'Undergraduate' 'Postgraduate']
```
Если вы хотите узнать больше, читайте дальше! Это руководство научит вас работе с уникальными данными в DataFrame библиотеки Pandas.
### Реальное применение уникальных данных
Давайте погрузимся в изучение реальных применений работы с уникальными данными и поймем, почему это важно. Рассмотрим пример DataFrame, который мы создадим ниже. Мы будем использовать этот набор данных в течение всего учебного пособия.
```python
# Загрузка образца набора данных
import pandas as pd
dataset = {
'Education Status': ['Graduate','Graduate','Undergraduate','Postgraduate','Graduate','Undergraduate','Postgraduate','Graduate','Undergraduate','Postgraduate','Graduate','Undergraduate','Graduate','Postgraduate','Postgraduate'],
'Employment Status': ['Employed','employed','Unemployed','Employed','Employed','Unemployed','Employed','Employed','Employed','Employed','Unemployed','Employed','Employed','Employed','Employed'],
'Gender': ['F','M','M','F','M','F','M','F','M','F','M','F','M','F','F']}
df = pd.DataFrame(dataset)
print(df.head())
# Возвращает:
# Education Status Employment Status Gender
# 0 Graduate Employed F
# 1 Graduate employed M
# 2 Undergraduate Unemployed M
# 3 Postgraduate Employed F
# 4 Graduate Employed M
```
Понимание уникальных данных в DataFrame позволяет вам понять:
1. Сами данные, например, какие данные включены, а какие нет.
2. Существуют ли проблемы с качеством данных. Например, мы видим, что в столбце «Статус занятости» слово «Занят» написано с двух заглавных букв. Понимание того, какие уникальные значения существуют, позволяет нам лучше понять, нужно ли нам очищать наши данные.
Давайте теперь углубимся в понимание метода Pandas `.unique()`.
### Понимание метода unique() Pandas
Метод `unique()` в Pandas на самом деле не имеет параметров. Это функция уровня Series, применяемая к столбцу DataFrame без входных параметров. При применении к конкретному столбцу DataFrame возвращает массив уникальных значений, присутствующих в этом столбце.
Вот разбивка того, как работает метод `unique()`
* Выберите столбец, к которому будет применяться функция unique(), указав имя столбца в скобках после имени DataFrame.
* Вызовите метод `unique()` без каких-либо входных параметров или аргументов.
* Получите массив уникальных значений, найденных в выбранной колонке.
Давайте рассмотрим функцию `unique()` на примере набора данных, который мы создали ранее.
### Получите уникальные значения для столбца DataFrame Pandas
Чтобы получить уникальные значения в столбце DataFrame Pandas, вы можете применить к столбцу метод `.unique()`. Метод вернет массив NumPy в том порядке, в котором появляются значения.
Давайте посмотрим, как мы можем получить уникальные значения в столбце \`Статус образования
```python
# Получите уникальные значения для столбца в Pandas
print(df['Education Status'].unique())
# Возвращает:
# ['Graduate' 'Undergraduate' 'Postgraduate']
```
В приведенном выше примере мы использовали метод `.unique()` для столбца `df['Education Status']`. Это вернуло три уникальных значения в виде массива NumPy.
Давайте исследуем, как мы можем вернуть уникальные значения в виде списка в следующем разделе.
#### Получите уникальные значения для столбца Pandas в виде списка
По умолчанию метод `.unique()` в Pandas возвращает массив NumPy уникальных значений. Чтобы получить результат в виде списка, можно применить метод `.tolist()` к массиву, чтобы преобразовать его в список Python.
Давайте посмотрим, как это выглядит:
```python
# Получите уникальные значения для столбца в Pandas в виде списка
print(df['Education Status'].unique().tolist())
# Возвращает:
# ['Graduate' 'Undergraduate' 'Postgraduate']
```
В приведенном выше примере мы применили метод `.tolist()` к нашему массиву NumPy, преобразовав его в список.
Давайте теперь посмотрим, как мы можем получить уникальные значения для нескольких столбцов DataFrame Pandas.
### Получите уникальные значения для нескольких столбцов DataFrame Pandas
По умолчанию метод `.unique()` в Pandas может быть применен только к одному столбцу. Это связано с тем, что метод относится к Pandas Series, а не к DataFrame.
**Чтобы получить уникальные значения нескольких столбцов DataFrame, мы можем использовать метод `.drop_duplicates()`**. Это вернет DataFrame со всеми уникальными комбинациями.
Давайте посмотрим, как это выглядит:
```python
# Получите уникальные значения для нескольких столбцов DataFrame
unique = df[['Education Status', 'Gender']].drop_duplicates()
print(unique)
# Возвращает:
# Education Status Gender
# 0 Graduate Female
# 1 Graduate Male
# 2 Undergraduate Male
# 3 Postgraduate Female
# 5 Undergraduate Female
# 6 Postgraduate Male
```
Метод `.drop_duplicates()` в Pandas может быть полезен для определения только уникальных значений по двум или более столбцам
### Подсчет уникальных значений в столбце DataFrame Pandas
Чтобы посчитать, сколько уникальных значений содержится в определенной колонке (или колонках) DataFrame, мы можем применить метод `.nunique()`. Метод вернет одно значение, если применен к одной колонке, и серию Pandas, если применен к нескольким колонкам.
Давайте посмотрим, как мы можем использовать метод `.nunique()` для подсчета количества уникальных значений в колонке:
```python
# Подсчет уникальных значений в столбце DataFrame Pandas
num_statuses = df['Employment Status'].nunique()
print(num_statuses)
# Возвращает: 3
```
Метод `nunique` может быть чрезвычайно полезен для понимания количества уникальных значений, существующих в столбце.
### Подсчет появления уникальных значений в столбце DataFrame Pandas
В этом разделе мы рассмотрим, как подсчитать количество вхождений значений среди уникальных значений. Это, по сути, создает таблицу частот уникальных значений в столбце DataFrame.
Давайте посмотрим, как мы можем использовать метод `.value_counts()` для подсчета встречаемости уникальных значений в столбце DataFrame библиотеки Pandas:
```python
# Подсчет появления уникальных значений в столбце DataFrame Pandas
print(df['Education Status'].value_counts())
# Возвращает:
# Graduate 6
# Postgraduate 5
# Undergraduate 4
# Name: Education Status, dtype: int64
```
При применении метода `.value_counts()` к столбцу нашего DataFrame он возвращает серию, в которой подсчитывается количество каждого уникального значения.
### Часто задаваемые вопросы
Что такое метод unique() в Pandas?
**Метод `unique()`** — это метод Pandas, который используется для нахождения уникальных значений в объекте Series. Его можно применить к определенному столбцу DataFrame, чтобы вернуть массив уникальных значений, присутствующих в этом столбце.
Как значения NaN обрабатываются методом unique()?
По умолчанию метод `unique()` включает значения NaN в свой выходной массив. Чтобы исключить отсутствующие значения, вы можете сначала применить метод `.dropna()` к столбцу
Как я могу отсортировать уникальные значения столбца DataFrame при использовании метода unique()?
После использования метода `unique()` для получения уникальных значений в столбце DataFrame, вы можете сортировать полученный массив, используя встроенную функцию sorted() Python. Эта функция принимает в качестве аргумента последовательность (такую как массив, возвращенный `unique()`) и возвращает отсортированный список элементов.
Как найти общее количество уникальных значений в столбце DataFrame?
Чтобы найти общее количество уникальных значений в столбце DataFrame, используйте метод `nunique()`. Его применение аналогично `unique()`, но он возвращает целочисленное количество уникальных значений, а не список уникальных значений.
### Заключение
В этом руководстве вы научились получать уникальные значения в DataFrame библиотеки Pandas, включая получение уникальных значений для одного столбца и для нескольких столбцов. Сначала вы узнали, как получить уникальные значения для одного столбца, а также для нескольких столбцов. Затем вы узнали, как подсчитать уникальные значения, а также количество вхождений уникальных значений. Чтобы узнать больше о методе `.unique()`, ознакомьтесь с [официальной документацией](https://pandas.pydata.org/docs/reference/api/pandas.unique.html).