将DataFrame中标签添加至Set对象时结果异常，如何获取不重复标签

问题场景 #

想要把DataFrame中practice列的完整标签去重后存入Set对象，执行代码后却得到了由单个字符组成的集合，不符合预期。

错误代码及结果 #

types = set()
for t in frame4['practice']:
    types.update(t)
types

返回结果：

{'1',
 '3',
 'A',
 'B',
 'C',
 'D',
 'E',
 'F',
 'G',
 'I',
 'L',
 'M',
 'N',
 'O',
 'P',
 'S',
 'T',
 'W',
 'Z',
 '_',
 'a',
 'b',
 'c',
 'd',
 'e',
 'f',
 'g',
 'h',
 'i',
 'k',
 'l',
 'm',
 'n',
 'o',
 'p',
 'r',
 's',
 't',
 'u',
 'v',
 'w',
 'y'}

DataFrame的practice列示例（已移除NaN，存在重复标签） #

2        Identifier_Cookie_or_similar_Tech_1stParty
3                    Identifier_IP_Address_1stParty
4        Identifier_Cookie_or_similar_Tech_1stParty
8        Identifier_Cookie_or_similar_Tech_3rdParty
10                             Demographic_3rdParty
                            ...                     
21612                          Demographic_1stParty
21613                          Demographic_3rdParty
21614    Identifier_Cookie_or_similar_Tech_1stParty
21615    Identifier_Cookie_or_similar_Tech_3rdParty
21616    Identifier_Cookie_or_similar_Tech_1stParty
Name: practice, Length: 10201, dtype: object

错误原因 #

set.update()方法会将传入的可迭代对象拆解为单个元素添加到集合中。这里每个t是字符串类型，而字符串属于字符的可迭代对象，因此update(t)会把标签字符串拆成单个字符逐个加入集合，最终得到的就是所有字符的集合，而非完整标签的集合。

正确解法 #

方法1：使用set.add()替代update() #

add()方法用于向集合添加单个元素，不会拆解传入的对象。修改代码如下：

types = set()
for t in frame4['practice']:
    types.add(t)

方法2：直接将列转换为集合（更简洁） #

利用Python和Pandas的特性，直接将practice列转为集合，自动去重：

# 方式一：直接转集合
types = set(frame4['practice'])

# 方式二：先通过Pandas的unique()获取唯一值再转集合
types = set(frame4['practice'].unique())

以上两种方法都能得到预期的无重复完整标签集合，例如：

{'Identifier_Cookie_or_similar_Tech_1stParty',
 'Identifier_IP_Address_1stParty',
 'Identifier_Cookie_or_similar_Tech_3rdParty',
 'Demographic_3rdParty',
 'Demographic_1stParty'}

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