制作web网站开发百度关键词查询网站

1. Series.unique()

• 功能：返回 Series 中所有唯一值的 数组（顺序按首次出现排列）。

• 返回值类型：numpy.ndarray（用户可能误认为是列表，但实际是 NumPy 数组）。

• 对 NaN 的处理：包含 NaN（如果存在）。

import pandas as pds = pd.Series([1, 2, 2, 3, None])
print(s.unique())
# 输出：array([1, 2, 3, nan], dtype=object)

2. Series.nunique()

• 功能：
  统计 Series 中唯一值的 数量（默认不包含 NaN）。

• 返回值：
  整数（int）。

• 参数 dropna：

  • 默认 dropna=True：不统计 NaN。

  • dropna=False：将 NaN 视为一个唯一值并统计。

s = pd.Series([1, 2, 2, 3, None])# 默认不统计 NaN
print(s.nunique())          # 输出：3# 统计 NaN
print(s.nunique(dropna=False))  # 输出：4

3. Series.nunique(dropna=False)

• 功能：
  统计 Series 中唯一值的数量，包含 NaN。

• 返回值：
  整数（int）。

• 说明：
  是 Series.nunique() 方法的参数化调用形式，通过 dropna=False 强制包含 NaN 的计数。

对比：

import pandas as pds = pd.Series([1, 1, 2, None, None])# 唯一值列表（包含 NaN）
print(s.unique())                 # 输出：[1, 2, nan]# 默认统计唯一值数量（不包含 NaN）
print(s.nunique())                 # 输出：2# 统计唯一值数量（包含 NaN）
print(s.nunique(dropna=False))     # 输出：3