Pandas DataFrame[].unique(): Filtrar valores distintos em colunas

O Python Pandas possibilita o uso da função unique() para identificar valores únicos em uma coluna de um DataFrame. Esse método é eficiente para proporcionar uma visão geral dos diferentes valores presentes em um conjunto de dados.

Sintaxe da função Pandas DataFrame[].unique()

A sintaxe básica da função Pandas DataFrame[].unique() é simples, pois ela não aceita a inclusão de nenhum parâmetro:

DataFrame['nome_coluna'].unique()

Lembre-se de que a função unique() só pode ser aplicada a uma coluna. Antes de chamá-la, você precisa indicar qual coluna deseja avaliar. A função unique() retorna um array NumPy que contém todos os diferentes valores na ordem em que eles estão dispostos na coluna, removendo os duplicados. Ela não ordena os valores retornados.

Como usar a função Pandas DataFrame[].unique()

Para usar a função unique() em um DataFrame do Pandas, primeiro é necessário especificar a coluna que será verificada. No exemplo abaixo, vamos usar um DataFrame que contém a idade e a cidade de residência de um grupo de pessoas.

import pandas as pd
# Criar um DataFrame de exemplo
data = {
    'Nome': ['Alice' , 'Breno', 'Carlos', 'Denis', 'Eduardo'],
    'Idade': [24, 27, 22, 32, 29],
    'Cidade': ['Curitiba', 'Salvador', 'Curitiba', 'Teresina', 'Salvador']
}
df = pd.DataFrame(data)
print(df)

O DataFrame ficará assim:

Nome  Idade    Cidade
0    Alice     24  Curitiba
1    Breno     27  Salvador
2   Carlos     22  Curitiba
3    Denis     32  Teresina
4  Eduardo     29  Salvador

Agora, vamos imaginar que a nossa intenção é criar uma lista com todas as cidades presentes no DataFrame. Podemos aplicar a função Pandas DataFrame[].unique() na coluna que contém os nomes das cidades.

# Encontrar cidades diferentes
cidades_diferentes = df['Cidade'].unique()
print(cidades_diferentes)

O resultado será um array NumPy que lista cada cidade apenas uma vez, revelando que as pessoas do DataFrame vivem em três cidades diferentes: Curitiba, Salvador e Teresina.

['Curitiba' 'Salvador' 'Teresina']