Python如何提取category类型数据集中的全部唯一特征值

问题描述 #

现有Python数据集代码如下：

dataset=['apple','orange','banana','grape','orange','apple','kiwi','apple']

该数据集的特征类型为category分类类型，需要识别出数据集中包含的所有特征值，在如下print命令的空缺处填写代码：

print('The feature values of the dataset:',<空缺待填内容>)

要求执行后输出结果为：The feature values of the dataset: 'apple','orange','banana','grape','kiwi'

解决方案 #

空缺处可填写如下代码：

','.join(f"'{val}'" for val in dict.fromkeys(dataset))

代码说明 #

• 用dict.fromkeys(dataset)利用Python3.7+版本字典键保持首次插入顺序的特性，对列表按元素首次出现顺序去重，得到无重复的特征值序列
• 用生成器表达式遍历去重后的元素，给每个元素前后拼接单引号
• 用','作为分隔符将所有处理后的字符串拼接为符合输出格式要求的内容

如果你的Python版本低于3.7，也可以用collections模块的OrderedDict实现相同的有序去重效果，代码如下：

','.join(f"'{val}'" for val in OrderedDict.fromkeys(dataset))

注意使用OrderedDict前需要先导入：from collections import OrderedDict

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