如何高效选择Pandas DataFrame中仅含1个唯一值的列？

嘿，这个需求我平时清洗数据时经常碰到，用你提到的nunique()方法完全可以轻松实现，下面给你两种实用的写法，从清晰易懂到简洁高效都覆盖到了：

方法一：分步实现，逻辑清晰 #

适合刚接触Pandas的朋友，每一步都能明确看到处理过程：

import pandas as pd

# 先造个示例DataFrame方便演示
df = pd.DataFrame({
    'user_id': [1001, 1001, 1001],
    'gender': ['male', 'male', 'male'],
    'score': [85, 92, 88],
    'level': ['L2', 'L2', 'L2']
})

# 计算每列的唯一值数量
col_unique_counts = df.nunique()

# 筛选出唯一值数量为1的列名
target_cols = col_unique_counts[col_unique_counts == 1].index.tolist()

# 提取目标列组成新的DataFrame
result_df = df[target_cols]

这里df.nunique()会返回一个Series，索引是列名，值是对应列的唯一值个数。我们用布尔索引挑出值为1的项，再转成列名列表去筛选原DataFrame。

方法二：一行代码搞定，简洁高效 #

如果追求代码精简，可以直接用loc索引一步到位：

result_df = df.loc[:, df.nunique() == 1]

df.loc[:, 布尔条件]会直接保留符合条件的列，这里df.nunique() == 1生成的布尔Series刚好对应每列是否满足“仅1个唯一值”的要求。

补充：处理空值的特殊情况 #

默认情况下nunique()会忽略NaN值，如果你的数据里有全NaN的列，想要把它也识别为“仅1个唯一值”的列，可以加上dropna=False参数：

# 包含空值的情况也能正确筛选
result_df = df.loc[:, df.nunique(dropna=False) == 1]

内容的提问来源于stack exchange，提问作者jasonlcy91