如何获取DataFrame列的唯一值并筛选CODE列含多值的Excel文件

报错原因 #

你遇到的AttributeError: 'tuple' object has no attribute 'append'由两个问题共同导致：

• Pandas 2.0及以上版本已正式移除DataFrame.append()方法，调用该方法不会返回预期的拼接后DataFrame，会返回异常类型对象
• 原代码逻辑是将所有Excel数据合并为一个大DataFrame，不符合你需要保留「符合条件的单个文件对应DataFrame」的需求

正确实现代码 #

你可以直接用以下代码实现需求，最终target_dfs就是所有CODE列含2个及以上唯一值的DataFrame列表：

import os
import pandas as pd

path = "/path/to/file/"
files = os.listdir(path)
# 筛选xls文件，兼容大小写后缀
files_xls = [os.path.join(path, f) for f in files if f.lower().endswith('xls')]

# 初始化结果列表：存储符合条件的单个DataFrame
target_dfs = []
# 可选：初始化文件对应关系表，记录符合条件的文件路径和对应的CODE唯一值
station_info = []

for file_path in files_xls:
    # 读取单个Excel文件
    data = pd.read_excel(file_path, 'Sheet 1', converters={'CODE': str})
    # 统计CODE列唯一值数量
    unique_code_count = data['CODE'].nunique()
    # 符合条件则加入结果列表
    if unique_code_count >= 2:
        target_dfs.append(data)
        # 可选：记录文件信息
        station_info.append({
            "FILE": file_path,
            "UNIQUE_CODE": data['CODE'].unique().tolist()
        })

# 可选：将文件信息转为DataFrame方便查看
station_info_df = pd.DataFrame(station_info)

代码说明 #

• 用nunique()方法直接统计列的唯一值数量，比drop_duplicates()更高效简洁
• 最终target_dfs的每个元素对应一个符合要求的Excel文件的DataFrame，你可以按索引取用
• 新增的station_info_df可以快速查看每个符合条件的文件对应的CODE值，不需要可以删除相关代码

内容的提问来源于stack exchange，提问作者Javier