如何用Pandas从DataFrame筛选指定长度字符串并转为列表

你的需求是从activities_df的park_states列中提取长度为2的唯一值，之前的写法没结合「过滤长度」和「去重」两个核心操作，所以达不到预期效果。以下是几种简洁高效的实现方式：

方式一：链式调用一步到位 #

直接过滤出长度为2的行，提取对应列后去重：

distinct_states = self.activities_df[self.activities_df["park_states"].str.len() == 2]["park_states"].unique()

方式二：用loc更安全规范 #

loc可以同时指定行筛选条件和列名，代码可读性更强：

distinct_states = self.activities_df.loc[self.activities_df["park_states"].str.len() == 2, "park_states"].unique()

方式三：转成Python列表（按需选择） #

如果最终需要的是列表格式而非Numpy数组，加上tolist()：

distinct_states = self.activities_df.loc[self.activities_df["park_states"].str.len() == 2, "park_states"].unique().tolist()

处理缺失值的场景 #

如果park_states列存在空值（NaN），可以先排除空值避免报错：

distinct_states = self.activities_df.loc[
    self.activities_df["park_states"].notna() & 
    (self.activities_df["park_states"].str.len() == 2), 
    "park_states"
].unique().tolist()

你之前写法失效的原因 #

你之前的代码只完成了「过滤长度为2的行」这一步，但没有对提取出的列值做去重操作，得到的是所有符合长度条件的列值（包含重复项），和你原始循环「先取唯一值再过滤长度」的逻辑不一致。上面的写法把过滤和去重结合，完全等价于你原来的循环逻辑，且效率更高（Pandas矢量化操作远快于Python循环）。

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