本文介绍如何使用 Pandas 快速获取分类列（如“channel used”）中全部不重复的值，替代仅统计数量的 nunique()，直接返回去重后的值列表，适用于数据探索与预处理。
本文介绍如何使用 pandas 快速获取分类列（如“channel used”）中全部不重复的值，替代仅统计数量的 `nunique()`，直接返回去重后的值列表，适用于数据探索与预处理。
在数据分析中，了解分类变量（categorical column）的具体取值范围至关重要——例如确认渠道字段是否包含预期的 'youtube'、'facebook' 等值，或排查异常拼写（如 'emial'）。虽然 df.nunique() 能快速返回唯一值个数（标量），但它无法展示具体是哪些值；此时应使用专为提取实际值设计的方法。
最直接、高效的方式是调用 pandas.unique() 函数：
import pandas as pd
# 假设已加载数据
df = pd.read_csv('marketing_data.csv')
# 提取 'channel used' 列的所有唯一值（自动去重，保持首次出现顺序）
unique_channels = pd.unique(df["channel used"])
print(unique_channels)
# 输出: ['youtube' 'facebook' 'instagram' 'email']该方法作用于一维 Series 或 NumPy 数组，返回一个 NumPy ndarray，元素无重复且按原始数据中首次出现顺序排列（非字典序），适合后续直接用于筛选、映射或可视化。
⚠️ 注意事项：
- ✅ 推荐优先使用
pd.unique()而非df["col"].unique()：前者底层更轻量，尤其在大数据集上性能更优； - ❌ 避免误用
df["col"].value_counts().index：虽可得唯一值，但会额外执行计数排序，效率低且引入不必要的开销； - ? 若需排序输出（如字母序），可链式调用：
sorted(pd.unique(df["channel used"]))； - ? 对含缺失值（
NaN）的列，pd.unique()默认保留一个NaN（Pandas 中NaN != NaN，但unique()将其视为单一缺失标识），如需排除，可加过滤：[x for x in pd.unique(df["channel used"]) if pd.notna(x)]。
综上，pd.unique() 是获取分类列真实取值集合的标准、简洁且高性能方案，应作为数据初探阶段的必备操作之一。
