如何在Pandas DataFrame中获取符合条件的唯一值——以筛选亚马逊相关卖家为例

首先，先明确你的场景：你有如下的DataFrame：

import pandas as pd
df_amazon = pd.DataFrame ({ 
    'order_no':[1, 2, 3], 
    'category':['Books', 'Toys', 'Books'], 
    'seller':['Amazon.com', 'AZ Toys', 'amazon'] 
})

你想要获取seller列中所有与亚马逊相关的唯一值，对应SQL里的SELECT seller FROM df_amazon WHERE LOWER(seller) LIKE 'amazon%'，但之前的尝试遇到了问题，我来帮你解决。

你之前代码的问题所在 #

你尝试的df_amazon.seller.str.lower().contains('amazon')报错，是因为str.lower()返回的是一个Series对象，而contains()是Pandas字符串方法，必须通过str访问器调用——你漏掉了第二个str！正确的链式调用应该是df_amazon.seller.str.lower().str.contains('amazon')。

几种正确的实现方式 #

方式一：修正你的代码，获取唯一值

先通过不区分大小写的匹配筛选出所有亚马逊相关的卖家，再提取唯一值：

# 筛选匹配记录，提取seller列并去重
amazon_sellers = df_amazon.loc[
    df_amazon.seller.str.lower().str.contains('amazon'), 
    'seller'
].unique()
print(amazon_sellers)
# 输出：array(['Amazon.com', 'amazon'], dtype=object)

方式二：更简洁的忽略大小写匹配（模拟SQL LIKE 'amazon%'）

如果要精确匹配以amazon开头的字符串（和你的SQL语句逻辑完全一致），可以用str.startswith()，或者直接给str.contains()加case=False和正则表达式，省去手动转小写的步骤：

# 用startswith实现以amazon开头（不区分大小写）
amazon_sellers = df_amazon.loc[
    df_amazon.seller.str.lower().str.startswith('amazon'), 
    'seller'
].unique()

# 更简洁：用contains+正则+case=False，直接忽略大小写匹配开头
amazon_sellers = df_amazon.loc[
    df_amazon.seller.str.contains(r'^amazon', case=False), 
    'seller'
].unique()

这里的^amazon是正则表达式，表示以amazon开头，case=False让匹配不区分大小写，完美对应你SQL里的LOWER(seller) LIKE 'amazon%'逻辑。

方式三：保留DataFrame格式的去重结果

如果你需要的是DataFrame格式而不是数组，可以用drop_duplicates()代替unique()：

amazon_sellers_df = df_amazon[
    df_amazon.seller.str.contains(r'^amazon', case=False)
][['seller']].drop_duplicates()

关键知识点总结 #

• Pandas的字符串操作必须通过str访问器调用，链式操作时每个字符串方法都要加上str.前缀
• str.contains()支持正则表达式，灵活度很高，case=False参数可以直接实现不区分大小写的匹配
• 如果要模拟SQL的LIKE 'xxx%'，用str.startswith()或者正则^xxx会比单纯的contains()更精准，避免匹配到中间包含目标字符串的无关记录

内容的提问来源于stack exchange，提问作者IamWarmduscher