如何从列元素序列获取唯一值及按前缀统计Ticket_No列值计数

嘿，这两个Pandas的问题我来给你拆解清楚！

问题1：如何从DataFrame某一列的元素序列中获取唯一值？ #

有几种常用方法，你可以根据需求选：

• 用unique()方法：直接返回该列的唯一值数组（numpy.ndarray类型），顺序是元素第一次出现的顺序。举个例子：

  import pandas as pd
  df = pd.DataFrame({'col': ['a', 'b', 'a', 'c', 'b']})
  unique_vals = df['col'].unique()
  # 输出：array(['a', 'b', 'c'], dtype=object)
  

• 用drop_duplicates()方法：返回一个去掉重复值的Pandas Series，保留原有的索引结构，后续做Pandas操作更方便：

  unique_series = df['col'].drop_duplicates()
  # 输出：
  # 0    a
  # 1    b
  # 3    c
  # Name: col, dtype: object
  

• 如果只是想统计唯一值的数量，直接用nunique()：

  unique_count = df['col'].nunique()
  # 输出：3
  

问题2：按Ticket_No的前缀统计数量 #

你提到的groupby().size()是核心操作，但需要先把每个Ticket_No的前缀提取出来再分组。这里分两种场景处理：

场景1：前缀是固定长度（比如你的例子里都是前3个字符） #

直接截取字符串的前3位，然后分组统计就行：

# 假设你的DataFrame叫df
prefix_counts = df.groupby(df['Ticket_No'].str[:3]).size()

# 或者先建一个前缀列，逻辑更直观
df['Prefix'] = df['Ticket_No'].str[:3]
prefix_counts = df.groupby('Prefix').size()

运行后就能得到你要的结果：

Prefix
ABC    3
IJK    2
XYZ    2
dtype: int64

场景2：前缀长度不固定（比如有的是2个字母，有的是3个，后面跟数字） #

这种情况用正则提取字母部分更靠谱，用str.extract()提取所有连续字母：

df['Prefix'] = df['Ticket_No'].str.extract(r'([A-Za-z]+)')
prefix_counts = df.groupby('Prefix').size()

这个方法能适配更多格式的Ticket_No，比如像'AB123'、'ABCD45'这类前缀长度不同的情况。

内容的提问来源于stack exchange，提问作者Suganesh Kumar