如何筛选pandas唯一值大于10的分类列及解决循环打印无结果问题

你之前生成的是布尔类型的Series，索引就是分类列的列名，直接对这个布尔Series做过滤取索引即可，代码如下：

# 分步写法可读性更高
unique_bool = data[cat_cols].nunique() > 10
cat_cols_with_high_card = unique_bool[unique_bool].index.tolist()

# 也可以用链式写法完成
cat_cols_with_high_card = data[cat_cols].nunique()[lambda x: x>10].index.tolist()

执行后得到的cat_cols_with_high_card就是你需要的列名列表['1','2','3']。

这个问题和列名类型无关，你的cat_cols里的列名本身就是字符串类型，和你手动定义的列表元素类型完全匹配，问题出在Jupyter Notebook的输出机制：

• 只有单元格的最后一行执行结果会被自动打印输出
• 循环内部的语句不属于单元格最后一行，不会自动输出，需要主动调用print()函数打印结果

修改后的循环代码如下：

cat_cols_with_high_card = ['1','2','3']

for col in cat_cols_with_high_card:
    print('column: '+str(col))
    print(data[col].value_counts())
    # 可按需添加分割线，方便区分不同列的结果
    print('-'*30)

运行后就能正常输出每列的value_counts结果了。

内容的提问来源于stack exchange，提问作者chink