Pandas: finden sie eindeutige werte in der spalte und sortieren sie sie

Sie können die folgende grundlegende Syntax verwenden, um eindeutige Werte in einer Spalte eines Pandas-DataFrames zu finden und diese dann zu sortieren:

 df[' my_column ']. drop_duplicates (). sort_values ()

Dadurch wird eine Pandas-Reihe zurückgegeben, die jeden eindeutigen Wert in einer Spalte in aufsteigender Reihenfolge enthält.

Um eindeutige Werte in absteigender Reihenfolge zu sortieren, verwenden Sie aufsteigend=False :

 df[' my_column ']. drop_duplicates (). sort_values (ascending= False )

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.

Beispiel: Suchen Sie nach eindeutigen Werten in der Pandas-Spalte und sortieren Sie sie

Angenommen, wir haben den folgenden Pandas-DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
                   ' points ': [5, 5, 9, 12, 12, 5, 10, 13, 13, 19]})

#view DataFrame
print (df)

  team points
0 to 5
1 to 5
2 to 9
3 to 12
4 to 12
5 B 5
6 B 10
7 B 13
8 B 13
9 B 19

Wir können die folgende Syntax verwenden, um die eindeutigen Werte der Punktespalte abzurufen und sie dann in aufsteigender Reihenfolge zu sortieren:

 #get unique values in points column and sort them
df[' points ']. drop_duplicates (). sort_values ()

0 5
2 9
6 10
3 12
7 13
9 19
Name: points, dtype: int64

Die Ausgabe zeigt jeden der eindeutigen Werte in der Punktspalte in aufsteigender Reihenfolge sortiert an:

• 5
• 9
• zehn
• 12
• 13
• 19

Wir können die eindeutigen Werte in der Spalte „Punkte“ auch in absteigender Reihenfolge sortieren lassen, indem wir „ascending=False“ in der Funktion „sort_values()“ angeben:

 #get unique values in points column and sort them in descending order
df[' points ']. drop_duplicates (). sort_values (ascending= False )

9 19
7 13
3 12
6 10
2 9
0 5
Name: points, dtype: int64

Die Ausgabe zeigt jeden der eindeutigen Werte in der Punktspalte in absteigender Reihenfolge sortiert an:

• 19
• 13
• 12
• zehn
• 9
• 5

Hinweis : Die vollständige Dokumentation für die Funktion pandas drop_duplicates() finden Sie hier.

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere allgemeine Funktionen in Pandas ausgeführt werden:

Pandas: So wählen Sie einzelne Zeilen in DataFrame aus
Pandas: So erhalten Sie eindeutige Werte aus der Indexspalte
Pandas: So zählen Sie einzigartige Kombinationen aus zwei Spalten