Pandas技术问题：筛选唯一值数量最多的列

嘿，我来帮你搞定这个问题！你的思路是对的，但可以用更简洁的Pandas原生方法来实现，不用手动写循环~

第一步：简化唯一值统计 #

你原来的循环可以直接替换成一行代码，因为select_dtypes返回的DataFrame直接调用nunique()会自动统计每列的唯一值数量，返回一个索引为列名、值为对应唯一值数的Series：

# 先筛选数值列
numeric_columns = df.select_dtypes(include=['int', 'float'])
# 直接统计每列唯一值数量，得到Series
unique_counts = numeric_columns.nunique()

第二步：找到唯一值最多的列 #

用Series的idxmax()方法就能直接拿到唯一值数量最高的列名，这比手动找最大值要高效得多：

# 获取唯一值数量最多的列名
max_unique_col = unique_counts.idxmax()

如果有多个列的唯一值数量并列最高，idxmax()会返回第一个出现的列名；如果需要所有并列最高的列，可以用布尔索引筛选：

# 获取所有唯一值数量等于最大值的列名
max_unique_cols = unique_counts[unique_counts == unique_counts.max()].index.tolist()

第三步：根据该列筛选整个DataFrame #

接下来你提到要根据这一列对整个DataFrame进行筛选，这里举几个常见的场景示例：

• 场景1：筛选该列中某个特定值对应的所有行
  比如筛选max_unique_col列等于100的行：

  filtered_df = df[df[max_unique_col] == 100]
  

• 场景2：保留该列中唯一值对应的行（即去重，只保留该列每个唯一值的第一行）

  filtered_df = df.drop_duplicates(subset=[max_unique_col], keep='first')
  

• 场景3：筛选该列非空/非缺失值的行

  filtered_df = df[df[max_unique_col].notna()]
  

这样整个流程就清晰又高效啦，完全利用Pandas的内置方法，比手动循环简洁很多~

内容的提问来源于stack exchange，提问作者Jana