Python 在DataFrame中保存每个列的唯一值

如果我有这样的数据df：

X1 X2 X3 
A  A  C
B  A  C
C  B  C

X1 X2 X3 
A  A  C
B  B  
C    

下一个功能是：

for col in df:
    print(pd.unique(df[col]))

它返回类似于：

[A,B,C]
[A,B]
[C]

raw_data = {}
for counter, col in enumerate(df):
    raw_data['X%s' %counter] = pd.unique(df[col])
df = pd.DataFrame(raw_data, columns = list(raw_data.keys()))

？如何将函数的返回保存在数据帧中？我希望看到这样的情况：

X1 X2 X3 
A  A  C
B  A  C
C  B  C

X1 X2 X3 
A  A  C
B  B  
C    

谢谢你

将lambda函数与系列构造函数一起使用，然后重新计算缺少的值：

df1 = df.apply(lambda x: pd.Series(pd.unique(x))).fillna('')

或使用：

将lambda函数与系列构造函数一起使用，然后重新计算缺少的值：

df1 = df.apply(lambda x: pd.Series(pd.unique(x))).fillna('')

或使用：

---

你可以这样做：

[A,B,C]
[A,B]
[C]

raw_data = {}
for counter, col in enumerate(df):
    raw_data['X%s' %counter] = pd.unique(df[col])
df = pd.DataFrame(raw_data, columns = list(raw_data.keys()))

---

你可以这样做：

[A,B,C]
[A,B]
[C]

raw_data = {}
for counter, col in enumerate(df):
    raw_data['X%s' %counter] = pd.unique(df[col])
df = pd.DataFrame(raw_data, columns = list(raw_data.keys()))

---

这是一个很好的答案，每次刷新都会有很大的改进：即使我将完成我的评论，它也会改进10倍：d这是一个很好的答案，每次刷新都会有很大的改进：即使我将完成我的评论，它将改进10倍：dh原始数据帧中有多少列？原始数据帧中有多少列？