Pandas数据切片后调用unique报错：DataFrame无该属性

嘿，我来帮你梳理这个问题！你遇到的AttributeError: 'DataFrame' object has no attribute 'unique'，核心原因是你以为df['A']是一个Series，但实际上它是一个DataFrame——而unique()是Series专属的方法，DataFrame没有这个属性。

为什么会出现这种情况？ #

最常见的原因是你的源数据中存在多个同名的'A'列。当你用df_raw[['A','B','C']]选择列时，如果原DataFrame里有多个名为'A'的列，那么df['A']会返回包含所有这些列的DataFrame，而不是单个Series。这时候调用unique()自然会报错。

验证方法 #

先确认df['A']的类型：

print(type(df['A']))

如果输出是<class 'pandas.core.frame.DataFrame'>，那就坐实了存在多个'A'列的问题。

再检查原数据的列名，看看是否有重复：

print(df_raw.columns.tolist())

你可能会看到类似['A', 'A', 'B', 'C', ...]的结果，说明表头里确实有重复的'A'。

解决方案 #

1. 读入数据时处理重复列名 #

在使用pd.read_csv时，可以利用mangle_dupe_cols=True（这其实是默认参数，不过显式指定更稳妥），它会自动给重复列名加上后缀，比如把第二个'A'改成'A.1'，第三个改成'A.2'：

df_raw = pd.read_csv('data/master.csv', nrows=10000, mangle_dupe_cols=True)

之后你再选择df = df_raw[['A','B','C']]，df['A']就是单个Series，调用unique()就正常了。

2. 手动重命名重复列 #

如果已经读入数据，也可以手动批量重命名重复列：

from collections import defaultdict

# 统计每个列名出现的次数
col_counter = defaultdict(int)
new_columns = []

for col in df_raw.columns:
    col_counter[col] += 1
    if col_counter[col] > 1:
        # 给重复列名加上序号后缀
        new_columns.append(f"{col}.{col_counter[col]}")
    else:
        new_columns.append(col)

# 替换原列名
df_raw.columns = new_columns

处理后重复的'A'列会被重命名，你再选择目标列后，df['A']就是单个Series，就能正常调用unique()了。

3. 确认是否误写了双括号 #

如果你确实只有一个'A'列，但还是报错，检查一下代码是不是不小心写成了df[['A']].unique()（双括号）——双括号返回的是DataFrame，而单括号df['A']才是Series。修正后就能正常运行了。

内容的提问来源于stack exchange，提问作者user1361529