python - 使用唯一索引创建 Pandas Dataframe

Question

我能否创建一个具有唯一索引或列的数据框，类似于在 mysql 中创建唯一键，如果我尝试添加重复索引，它会返回错误？

或者我唯一的选择是创建一个 if 语句并在附加它之前检查数据框中的值吗？

编辑:

看来我的问题有点不清楚。对于唯一列，我的意思是我们不能在列中包含非唯一值。

与

df.append(new_row, verify_integrity=True)

我们可以检查所有列，但我们如何才能只检查一两列呢？

Answer 1

您可以使用 df.append(..., verify_integrity=True)维护一个唯一的行索引:

import numpy as np
import pandas as pd

df = pd.DataFrame(np.arange(12).reshape(3,4), columns=list('ABCD'))
dup_row = pd.DataFrame([[10,20,30,40]], columns=list('ABCD'), index=[1])
new_row = pd.DataFrame([[10,20,30,40]], columns=list('ABCD'), index=[9])

这成功附加了一个新行(索引为 9):

df.append(new_row, verify_integrity=True)
#     A   B   C   D
# 0   0   1   2   3
# 1   4   5   6   7
# 2   8   9  10  11
# 9  10  20  30  40

这会引发 ValueError 因为 1 已经在索引中:

df.append(dup_row, verify_integrity=True)
# ValueError: Indexes have overlapping values: [1]

---

虽然上述方法可确保唯一的 行 索引，但我不知道用于确保唯一的 列 索引的类似方法。理论上，您可以转置 DataFrame，附加 verify_integrity=True，然后再次转置，但通常我不推荐这样做，因为当列数据类型不完全相同时，转置可以改变数据类型。 (当列 dtype 不完全相同时，转置 DataFrame 获取 object dtype 的列。对象数组的转换可能对性能不利。)

如果您同时需要唯一的行索引和列索引，那么可能更好的选择是 stack您的 DataFrame，以便所有唯一列索引级别成为行索引级别。然后，您可以在 reshape 后的 DataFrame 上使用 append 和 verify_integrity=True。