<b>Уникальные значения в Pandas</b> В библиотеке Pandas для работы с данными часто требуется определить, какие значения в столбце или серии являются уникальными. Для этой задачи существует несколько методов, таких как `unique()`, `duplicated()`, и `nunique()`. В этом тексте мы рассмотрим эти методы и покажем, как их использовать. ### Метод unique() Метод `unique()` позволяет нам получить уникальные значения в столбце или серии. Он возвращает отсортированный массив всех уникальных элементов без повторений. Давайте рассмотрим пример:

python

import pandas as pd



# создаем серию с повторяющимися значениями

s = pd.Series([1, 2, 3, 1, 2, 3, 4, 5])



# используем метод unique()

unique_values = s.unique()



print(unique_values)

Вывод:

[1 2 3 4 5]

Как видно из примера, метод `unique()` вернул массив, содержащий только уникальные значения из исходной серии. Обратите внимание, что порядок элементов в массиве сохраняется, поэтому значения остаются в том же порядке, в котором они встречаются в исходной серии. ### Метод duplicated() Метод `duplicated()` позволяет определить, какие значения в столбце или серии являются дубликатами. Он возвращает логический массив той же формы, что и исходный, в котором элементы, являющиеся дубликатами, равны `True`, а остальные - `False`. Давайте рассмотрим пример:

python

import pandas as pd



# создаем серию с повторяющимися значениями

s = pd.Series([1, 2, 3, 1, 2, 3, 4, 5])



# используем метод duplicated()

duplicates = s.duplicated()



print(duplicates)

Вывод:

0    False

1    False

2    False

3     True

4     True

5     True

6    False

7    False

dtype: bool

Как видно из примера, метод `duplicated()` вернул серию-результат, в которой `True` указывает на то, что соответствующий элемент является дубликатом, а `False` - на то, что элемент уникален. В данном примере дубликатами являются значения 1, 2 и 3. ### Метод nunique() Метод `nunique()` позволяет нам получить количество уникальных значений в столбце или серии. Он возвращает количество значений, которые встречаются только один раз. Давайте рассмотрим пример:

python

import pandas as pd



# создаем серию с повторяющимися значениями

s = pd.Series([1, 2, 3, 1, 2, 3, 4, 5])



# используем метод nunique()

unique_count = s.nunique()



print(unique_count)

Вывод:

5

Как видно из примера, метод `nunique()` вернул количество уникальных значений в исходной серии, в данном случае - 5. ### Комбинированное использование методов Методы `unique()`, `duplicated()` и `nunique()` могут быть использованы вместе для выполнения более сложных операций. Например, мы можем использовать метод `unique()` для получения списка уникальных значений, метод `duplicated()` для поиска дубликатов и метод `nunique()` для получения количества уникальных значений. Давайте рассмотрим пример:

python

import pandas as pd



# создаем серию с повторяющимися значениями

s = pd.Series([1, 2, 3, 1, 2, 3, 4, 5])



# используем методы unique(), duplicated() и nunique()

unique_values = s.unique()

duplicates = s.duplicated()

unique_count = s.nunique()



print(unique_values)

print(duplicates)

print(unique_count)

Вывод:

[1 2 3 4 5]

0    False

1    False

2    False

3     True

4     True

5     True

6    False

7    False

dtype: bool

5

Как видно из примера, мы сначала получаем массив уникальных значений с помощью метода `unique()`, затем находим дубликаты с помощью метода `duplicated()`, и в конце подсчитываем количество уникальных значений с помощью метода `nunique()`. ### Заключение В этом тексте мы рассмотрели методы `unique()`, `duplicated()` и `nunique()` в библиотеке Pandas. Эти методы позволяют нам определить уникальные значения, дубликаты и количество уникальных значений в столбце или серии. Использование этих методов вместе позволяет нам делать более сложные операции, связанные с уникальными значениями. Эти методы очень полезны при работе с данными и манипуляциями над ними в Pandas.