You need to enable JavaScript to run this app. 如何实现仅保留DataFrame某列前X个唯一值的所有行?
优惠活动
大模型
产品
解决方案
定价
更多

如何实现仅保留DataFrame某列前X个唯一值的所有行?

高效实现方案

不需要手动逐行遍历做计数跟踪,借助pandas内置的向量化操作即可完成筛选,代码简洁、运行效率远高于Python层面的循环,且天然保留原数据的行顺序,完全匹配示例需求。

实现逻辑

你需要的效果是保留目标列首次出现顺序的前X个唯一值对应的所有行,可以拆成两步完成:

  1. 提取目标列按原顺序排列的不重复值,截取前X个作为需要保留的值集合
  2. 筛选DataFrame中目标列属于这个值集合的所有行

可运行代码示例

import pandas as pd

# 构造题目中的示例DataFrame
df = pd.DataFrame({
    'A': [1, 1, 2, 3, 4, 4],
    'B': [2, 2, 3, 4, 5, 2]
})

X = 3  # 设定需要保留的A列唯一值数量
# 按原列出现顺序取前X个唯一值
keep_targets = df['A'].unique()[:X]
# 完成行筛选
filtered_df = df[df['A'].isin(keep_targets)]

运行后得到的输出完全匹配题目要求:

A  B
0  1  2
1  1  2
2  2  3
3  3  4

灵活调整场景

这个实现的筛选逻辑是通用的,只需要根据你选择X个唯一值的规则,调整keep_targets的生成方式即可:

  • 如果需要按数值大小选最小的X个唯一值:把取值部分改成sorted(df['A'].unique())[:X]
  • 如果需要按值的出现频次选最高的X个唯一值:把取值部分改成df['A'].value_counts().index[:X]
  • 如果需要按数值大小选最大的X个唯一值:把取值部分改成sorted(df['A'].unique(), reverse=True)[:X]

性能对比

你最初想到的遍历统计方案是Python层面逐行判断,虽然时间复杂度同样是O(n),但循环的常数项很高;而上面用到的Series.unique()和isin()都是基于NumPy的C层向量化实现,处理十万、百万行级别的大表时,运行速度通常比手写循环快10~100倍,也更少出现边界判断的bug。

内容的提问来源于stack exchange,提问作者Jacky Chu

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.31 18:36:03