如何在Pandas中提取多列唯一值并生成新DataFrame？

哈哈，我完全懂你碰到的这个小坑！你直接调用df.groupby(by=['C1','C2','C3'])得到的确实是Pandas的DataFrameGroupBy对象——它只是帮你把数据按指定列分好了组，但还没生成你要的那种去重后的结果。毕竟SQL里的GROUP BY在没有聚合函数时，默认是返回唯一的行组合，但Pandas的groupby需要你明确告诉它要执行什么操作才行。

你要的效果本质就是提取这三列的唯一行组合，下面是两种常用实现：

方法1：直接去重（最简洁高效） #

Pandas的drop_duplicates()方法完美对应你要的SQL逻辑，指定要去重的列就能直接得到结果：

unique_df = df.drop_duplicates(subset=['C1', 'C2', 'C3'])

这个方法会保留每个唯一组合的第一行，返回的就是你想要的包含所有C1/C2/C3唯一组合的DataFrame。

方法2：用groupby配合聚合操作 #

如果你一定要用groupby的方式（比如后续还要扩展聚合逻辑），可以对分组后的对象执行简单聚合，再重置索引变回普通列：

# 方式A：取每个组的第一行，得到唯一组合
unique_df = df.groupby(['C1', 'C2', 'C3']).first().reset_index()

# 方式B：如果需要同时统计每个组合的出现次数
unique_df_with_count = df.groupby(['C1', 'C2', 'C3']).size().reset_index(name='occurrences')

这里的reset_index()很重要，因为groupby之后C1/C2/C3会变成索引，需要这一步把它们变回普通列，才能得到和SQL查询结构一致的DataFrame。

补充：为什么之前只得到GroupBy对象？ #

Pandas的groupby()函数本身只是定义分组规则，它返回的分组对象只是存储了分组的元信息，并没有实际处理数据。只有当你调用聚合方法（比如first()、size()、sum()等）时，它才会计算并返回最终的DataFrame结果。

内容的提问来源于stack exchange，提问作者Ofek Ron