HOWTO · Pandas
Obtenez les valeurs uniques Pandas en colonne et triez-les
Ce tutoriel montre comment trouver les valeurs uniques d'une colonne dans Pandas DataFrame et comment les trier
Sur cette page
Une colonne de DataFrame est une Series Pandas. Appelez sa unique() fonction pour obtenir les valeurs distinctes dans leur ordre de première apparition. Utilisez drop_duplicates() si vous avez besoin des lignes correspondantes et de leurs autres colonnes, ou triez les valeurs ou les lignes avec la fonction intégrée sorted() de Python ou sort_values() de Pandas.
Les exemples utilisent un petit DataFrame de professions et de services. Les noms de colonnes et les valeurs affichés dans le code et les sorties restent en anglais. Exécutez cet exemple :
import pandas as pd
df = pd.DataFrame({
"profession": ["designer", "engineer", "designer", "analyst"],
"department": ["product", "platform", "research", "finance"],
})
professions = df["profession"].unique()
print(professions)
print(type(professions).__name__)
<StringArray>
['designer', 'engineer', 'analyst']
Length: 3, dtype: str
StringArray
Obtenir les valeurs uniques d’une colonne de DataFrame
La sélection de df["profession"] renvoie une Series. Sa fonction unique() renvoie une valeur pour chaque profession distincte, dans l’ordre de première apparition ; elle ne trie pas les valeurs. Le type précis du résultat dépend du dtype de la Series. Dans cet exemple, les valeurs utilisent le dtype d’extension string de Pandas : le résultat est donc un StringArray, comme le montre la sortie. D’autres dtypes peuvent produire un tableau NumPy ou un autre tableau d’extension. Adaptez le nom de la colonne à vos données. Si vous avez uniquement besoin du nombre de valeurs distinctes, utilisez len(df["profession"].unique()) ; len(df) compte plutôt les lignes, y compris celles qui répètent une profession. Convertissez le résultat avec .tolist() si l’étape suivante nécessite précisément une liste Python ordinaire.
Conserver une ligne pour chaque valeur de colonne unique
Si vous souhaitez conserver les enregistrements plutôt que de produire uniquement une collection de valeurs, appelez drop_duplicates(subset="profession") sur le DataFrame. Le résultat reste un DataFrame : chaque ligne conservée contient aussi son service, et par défaut, la première ligne de chaque profession est gardée. Dans le résultat affiché, la deuxième ligne associée à la profession de designer est supprimée, tandis que la première et son service product sont conservés. Cette opération ne choisit pas une ligne représentative selon une autre règle ; si vous voulez conserver un enregistrement différent, triez ou sélectionnez d’abord les lignes selon le critère souhaité. Par défaut, le résultat garde les étiquettes d’index d’origine : son index peut donc comporter des lacunes. Vous pouvez transmettre plusieurs noms de colonnes dans une liste à subset lorsque les doublons sont définis par une combinaison de colonnes.
Le code et les libellés ou sorties affichés dans cette section restent en anglais.
import pandas as pd
df = pd.DataFrame({
"profession": ["designer", "engineer", "designer", "analyst"],
"department": ["product", "platform", "research", "finance"],
})
unique_rows = df.drop_duplicates(subset="profession")
print(unique_rows.to_string(index=False))
print(type(unique_rows).__name__)
profession department
designer product
engineer platform
analyst finance
DataFrame
Trier les valeurs uniques ou les lignes d’un DataFrame
La fonction intégrée sorted() de Python renvoie une nouvelle liste de valeurs par ordre croissant. Pour trier les valeurs distinctes, combinez-la avec unique(), ou triez directement la Series si vous souhaitez conserver les doublons. Pour obtenir un ordre décroissant, transmettez reverse=True à sorted().
Utilisez sort_values(by="profession") pour trier les lignes tout en gardant leurs autres colonnes associées. Cette opération renvoie un DataFrame et trie par ordre croissant par défaut ; définissez ascending=False pour obtenir l’ordre décroissant. Ces exemples présentent deux possibilités : le tri des valeurs uniques produit une liste, tandis que le tri des lignes conserve les données de chaque ligne. Vous pouvez transmettre une liste à by pour trier selon plusieurs colonnes, dans l’ordre de priorité indiqué. Les listes affichées ne contiennent que des professions, mais la sortie finale conserve chaque ligne et son service, en classant les professions d’ingénieur à analyste. sort_values() conserve les étiquettes d’index d’origine, sauf si vous demandez ignore_index=True, qui crée un nouvel index séquentiel pour le résultat trié.
Le code et les libellés ou sorties affichés dans cette section restent en anglais.
import pandas as pd
df = pd.DataFrame({
"profession": ["designer", "engineer", "designer", "analyst"],
"department": ["product", "platform", "research", "finance"],
})
print(sorted(df["profession"].unique()))
print(sorted(df["profession"].unique(), reverse=True))
print(df.sort_values(by="profession", ascending=False).to_string(index=False))
['analyst', 'designer', 'engineer']
['engineer', 'designer', 'analyst']
profession department
engineer platform
designer product
designer research
analyst finance