在python中使用唯一函数时保持顺序

我有一些代码，下面是我的df的列

df.columns = ['A1', 'A2', 'B1', 'B2', 'C1', 'C2', 'D1', 'D2', 'E1', 'E2']

list = df.columns.str[:1]
list = np.unique(list)

我试图得到字母和数字的唯一值，但顺序正确

我的代码不支持排序，我也不知道怎么做

多谢各位

预期产出：

letters = [A, B, C, D, E]
numbers = [1, 2]

---

假设您的示例具有代表性，您可以使用我从中获得的一个简洁的小技巧。在Python3.6和更高版本中，dict是有序的，因此您可以将它们的键用作有效的有序集

list(dict.fromkeys(c[0] for c in df.columns))
# --> ['A', 'B', 'C', 'D', 'E']

list(dict.fromkeys(int(c[1]) for c in df.columns))
# --> [1, 2]

---

假设您的示例具有代表性，您可以使用我从中获得的一个简洁的小技巧。在Python3.6和更高版本中，dict是有序的，因此您可以将它们的键用作有效的有序集

list(dict.fromkeys(c[0] for c in df.columns))
# --> ['A', 'B', 'C', 'D', 'E']

list(dict.fromkeys(int(c[1]) for c in df.columns))
# --> [1, 2]

您可以使用。这与

itertools

文档中的

unique\u everseen

相同。在内部，它在维护所见项目的

集

的同时进行迭代

df = pd.DataFrame(columns=['A1', 'A2', 'B1', 'B2', 'C1', 'C2', 'D1', 'D2', 'E1', 'E2'])

from toolz import unique

res = list(unique(df.columns.str[:1]))

['A', 'B', 'C', 'D', 'E']

一个更宽泛的解决方案是将

索引

对象转换为

pd.Series

，并使用

删除重复项

。这同样使用哈希：

res = df.columns.str[:1].to_series().drop_duplicates().values

array(['A', 'B', 'C', 'D', 'E'], dtype=object)

您可以使用。这与

itertools

文档中的

unique\u everseen

相同。在内部，它在维护所见项目的

集

的同时进行迭代

df = pd.DataFrame(columns=['A1', 'A2', 'B1', 'B2', 'C1', 'C2', 'D1', 'D2', 'E1', 'E2'])

from toolz import unique

res = list(unique(df.columns.str[:1]))

['A', 'B', 'C', 'D', 'E']

一个更宽泛的解决方案是将

索引

对象转换为

pd.Series

，并使用

删除重复项

。这同样使用哈希：

res = df.columns.str[:1].to_series().drop_duplicates().values

array(['A', 'B', 'C', 'D', 'E'], dtype=object)

---

这一个使用正则表达式，如果列名中有多个字符/数字，它将继续工作：

import re
import pandas as pd

df = pd.DataFrame(columns=['EE2', 'A1', 'A2', 'B1', 'B2', 'C1', 'C2', 'D1', 'D11', 'E1'])

split_ = [re.findall('\d+|\D+', col) for col in df.columns]

list(pd.Series([col[0] for col in split_]).drop_duplicates())
# ['EE', 'A', 'B', 'C', 'D', 'E']
list(pd.Series([col[1] for col in split_]).drop_duplicates())
# ['2', '1', '11']

---

这一个使用正则表达式，如果列名中有多个字符/数字，它将继续工作：

import re
import pandas as pd

df = pd.DataFrame(columns=['EE2', 'A1', 'A2', 'B1', 'B2', 'C1', 'C2', 'D1', 'D11', 'E1'])

split_ = [re.findall('\d+|\D+', col) for col in df.columns]

list(pd.Series([col[0] for col in split_]).drop_duplicates())
# ['EE', 'A', 'B', 'C', 'D', 'E']
list(pd.Series([col[1] for col in split_]).drop_duplicates())
# ['2', '1', '11']

---

总是一个字母和一个数字吗？或者它可以改变？什么是

df

？熊猫数据帧？总是一个字母和一个数字吗？或者它可以改变？什么是

df

？熊猫数据帧？我正在进一步研究这个问题，因为我的专栏中确实有300万欧元300万欧元300万英镑，所以这确实更有帮助。然而，以3m3m欧元为例，regex将3m3m欧元划分为3，m，3，m（与预期的“3m3m”输出相反，你能解释一下“re.findall（'\d+\d+'）”对我来说，我可以修改代码，将欧元和英镑列在列表1中，将3m、3m3m、6m3m列在第二个列表中？我正在进一步研究这一点，因为我的列中确实有3m欧元3m3m英镑6m3m，所以这确实更有帮助。然而，以3m欧元为例，regex将3m欧元拆分为3，m，3，m（与预期的“3m3m”输出相反，您能否解释“re.findall（'\d+\d+'）”对我来说，我可以修改代码，在列表1中使用欧元和英镑，在第二个列表中使用3m、3m3m、6m3m？谢谢FHTMitchell；在这种情况下，我需要将python更新为2.版本的im。谢谢FHTMitchell；在这种情况下，我需要将python更新为2.版本的im。