Python（含Pandas）如何统计数据集多列的唯一值数量

嘿，我懂你想一次性搞定DataFrame里所有列的唯一值统计需求，其实不用绕弯路，Pandas本身就有很直接的方法，咱们来拆解一下：

方法1：直接调用DataFrame的nunique()方法（最简便） #

这是最高效的方式，因为Pandas的DataFrame对象原生支持nunique()，调用后会直接返回一个Series，索引是列名，值就是对应列的唯一值数量：

# 对整个DataFrame执行唯一值统计
unique_value_counts = DF.nunique()
print(unique_value_counts)

输出示例（假设你的DF有var1、var2、var3三列）：

var1    5
var2    10
var3    3
dtype: int64

如果你想要和你之前单列输出完全一致的格式（比如Number of unique values in Var1= X），可以结合循环遍历列名：

# 遍历所有列，格式化输出
for column_name in DF.columns:
    print(f"Number of unique values in {column_name} = {DF[column_name].nunique()}")

方法2：使用apply函数（兼容自定义逻辑） #

如果你偏好使用apply，其实也能实现，只要对每一列应用pd.Series.nunique即可：

# 用apply对每列执行nunique统计
unique_value_counts = DF.apply(pd.Series.nunique)
print(unique_value_counts)

不过要注意：直接调用DF.nunique()比apply更高效，因为前者是Pandas内部优化的向量化操作，而apply本质是循环执行函数，数据量大的时候差异会更明显。

小提示：包含缺失值的统计 #

默认情况下nunique()会忽略缺失值（dropna=True），如果你想把NaN也当作一个唯一值统计，只需要设置参数dropna=False：

# 统计包含缺失值的唯一值数量
unique_value_counts_with_na = DF.nunique(dropna=False)

内容的提问来源于stack exchange，提问作者pras