如何在Pandas DataFrame指定索引的单元格中提取唯一值

我懂你遇到的困扰啦——drop_duplicates和nunique都是针对整行/整列的重复项处理，没法直接搞定单个单元格里用逗号分隔的重复值。咱们可以通过自定义一个处理函数，专门对目标行的每个单元格做拆分、去重、合并操作，完美解决这个需求。

步骤1：重现你的DataFrame #

先把原始数据和DataFrame创建代码放出来，方便后续操作：

import pandas as pd

data = {
    'name': ['Jason , Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
    'year': ['2012 , 2012 , 2016 , 2016', 2012, 2013, 2014, 2014],
    'reports': ['4 , 4 , 5 , 6 , 6 , 7', 24, 31, 2, 3]
}
df1 = pd.DataFrame(data, index=['Cochice', 'Pima', 'Santa Cruz', 'Maricopa', 'Yuma'])

步骤2：自定义单元格处理函数 #

这个函数会判断单元格内容的类型：如果是带逗号的字符串，就拆分、去重（顺便去掉元素前后的空格），最后合并成干净的字符串；如果是数字就直接转成字符串保持原样：

def clean_duplicates_in_cell(value):
    if isinstance(value, str):
        # 拆分字符串，去除每个元素的空格，转集合去重，排序让结果更整齐
        unique_items = sorted(set(item.strip() for item in value.split(',')))
        return ','.join(unique_items)
    # 非字符串类型（比如数字）直接转字符串返回
    return str(value)

步骤3：应用函数到目标行 #

只需要对索引为Cochice的行应用这个函数，其他行保持不变：

df1.loc['Cochice'] = df1.loc['Cochice'].apply(clean_duplicates_in_cell)

最终结果 #

运行后你就能得到期望的输出：

name  reports      year
Cochice    Jason  4,5,6,7  2012,2016
Pima       Molly       24       2012
Santa Cruz Tina        31       2013
Maricopa   Jake         2       2014
Yuma       Amy          3       2014

这个方法不管你的DataFrame有多少列都能适用，只需要针对目标行处理就好～

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