pd.unique从输入数组或Dataframe列或索引返回唯一值。
此函数的输入必须是一维的，因此将需要合并多列。最简单的方法是选择所需的列，然后在展平的NumPy数组中查看值。整个操作如下所示：
>>> pd.unique(df[['Col1', 'Col2']].values.ravel('K'))array(['Bob', 'Joe', 'Bill', 'Mary', 'Steve'], dtype=object)请注意，这
ravel()是一个返回多维数组视图（如果可能）的数组方法。该参数
'K'告诉方法按元素在内存中存储的顺序展平数组（熊猫通常以Fortran连续的顺序]存储基础数组；列在行之前）。这比使用该方法的默认“C”顺序要快得多。
另一种方法是选择列并将其传递给
np.unique：
>>> np.unique(df[['Col1', 'Col2']].values)array(['Bill', 'Bob', 'Joe', 'Mary', 'Steve'], dtype=object)
ravel()由于该方法可以处理多维数组，因此在此无需使用。即使这样，它也可能比
pd.unique使用基于排序的算法而不是哈希表来标识唯一值的方法要慢。
对于较大的Dataframe，速度上的差异非常大（尤其是在只有少数唯一值的情况下）：
>>> df1 = pd.concat([df]*100000, ignore_index=True) # Dataframe with 500000 rows>>> %timeit np.unique(df1[['Col1', 'Col2']].values)1 loop, best of 3: 1.12 s per loop>>> %timeit pd.unique(df1[['Col1', 'Col2']].values.ravel('K'))10 loops, best of 3: 38.9 ms per loop>>> %timeit pd.unique(df1[['Col1', 'Col2']].values.ravel()) # ravel using C order10 loops, best of 3: 49.9 ms per loop
