1 unique () )
统计list的不同值时，返回的是array。有三个参数，可以分别统计不同的量，返回的都是array。
如果list中的元素也是list，则尽量不要使用此方法。
import numpy as np
a=[ 1，5，4，2，3，3，5 ]
#返回一个阵列
print(NP.unique ) (a ) ) ) ) ) )。
# [1 2 3 4 5]
#返回此元素在list中首次出现的索引
print(NP.unique(a，return_index=True ) )
# (array ([ 1，2，3，4，5 ] )，array ([ 0，3，4，2，1 ] )
#返回原始list中每个元素在新list中的相应索引
print(NP.unique(a，return_inverse=True ) )
# (array ([ 1，2，3，4，5 ] )，array ([ 0，4，3，1，2，2，4 ] )
#返回此元素在list中出现的次数
print(NP.unique(a，return_counts=True ) )
# (array ([ 1，2，3，4，5 ] )，array ([ 1，1，2，1，2 ] )
添加#参数时，(unique ) )返回tuple。 这里利用了tuple的性质，即有多少元素可以代入对应的变量
p、q、m、n=NP.unique(a，return_index=True，return_inverse=True，return_counts=True ) ) ) )
打印(p，q，m，n ) )。
# [ 12345 ] [ 03421 ] [ 0431224 ] [ 112122 ]
请注意，如果#list中的元素是list而不是数字，则输出的数据类型取决于list中元素的长度
#采用这种方法，加重list中的元素或求出中元素的个数不是好方法，容易出错
如果合并series的不同值，则返回的是array，没有其他参数
import pandas as pd
se=PD.series ([ 1，3，4，5，2，2，3 ]
print(se.unique ) )
# [1 3 4 5 2]
2.nunique () )。
可以直接计数dataframe中每列具有不同值的数量，也可以将其用于series，但不能用于list。 返回的是不同值的个数。
df=PD.data frame ({ ' a ' : [ 0，1，1 ]，' b ' : [ 0，5，6 ] } )
是打印(df )
print(df.nunique ) )
# A B
# 0 0 0
# 1 1 5
# 2 1 6
# A 2
# B 3
# dtype: int64
也可以与groupby组合使用，以便对每个块计数不同值的数量。
all _ user _ repay=all _ user _ repay.group by [ ' user _ id ' ] [ ' listing _ id ' ].agg [ ' n unique ' ].agg
# user_id nunique
# 0 40 1
# 1 56 1
# 2 98 1
# 3 103 1
# 4 122 1