Pandas鸟类数据处理：提取列唯一值及首个唯一项需求

嘿，我来帮你搞定这个鸟类数据的去重问题！刚好我之前处理过类似的重复记录场景，用pandas的内置方法就能完美满足你的需求——每个学名只保留第一次出现的观测记录。

首先，你已经成功提取了目标列，接下来只需要对df2做一步去重操作就行：

# 你已经完成的列提取步骤
df2 = df[["SCIENTIFIC NAME", "OBSERVATION COUNT"]]

# 核心去重代码：按学名去重，保留首个出现的记录
df_unique_birds = df2.drop_duplicates(subset="SCIENTIFIC NAME", keep="first")

# 可选操作：重置索引（让结果的索引从0开始连续，更整洁）
df_unique_birds = df_unique_birds.reset_index(drop=True)

代码参数解释 #

• subset="SCIENTIFIC NAME"：指定只依据这个列的值来判断是否为重复行，其他列的内容不影响去重逻辑
• keep="first"：明确告诉pandas，当遇到同一学名的多条记录时，只保留第一次出现的那一行，其余重复行直接丢弃

验证结果（可选） #

如果你想确认去重是否成功，可以用这两行代码检查：

# 检查去重后的唯一学名数量
print("去重后的唯一学名数量：", df_unique_birds["SCIENTIFIC NAME"].nunique())
# 检查去重后的总行数（应该和唯一学名数量一致）
print("去重后的总行数：", len(df_unique_birds))

这样处理后，你就能得到每个鸟类学名仅出现一次的数据集，且保留的是该学名第一次出现时对应的观测数量啦～

内容的提问来源于stack exchange，提问作者Karim Abou El Naga