df=pd.DataFrame（{'Col1'：['Bob'，'Joe'，'Bill'，'Mary'，'Joe'，]，
“Col2”：[“乔”、“史蒂夫”、“鲍勃”、“鲍勃”、“史蒂夫”]，
'Col3'：np.random.random（5）}
返回“Col1”和“Col2”的唯一值的最佳方法是什么
所需输出为
“鲍勃”、“乔”、“比尔”、“玛丽”、“史蒂夫”
pd.unique从输入数组、数据帧列或索引返回唯一值
此函数的输入需要是一维的，因此需要组合多个列。最简单的方法是选择所需的列，然后在平坦的NumPy数组中查看值。整个操作如下所示：
>&燃气轮机&燃气轮机；pd.unique（df[['Col1'，'Col2']].values.ravel（'K'））
数组（['Bob'，'Joe'，'Bill'，'Mary'，'Steve']，dtype=object）
请注意，ravel（）是一个数组方法，它返回多维数组的视图（如果可能的话）。参数'K'告诉该方法按元素在内存中的存储顺序展平数组（熊猫通常以Fortran连续顺序存储底层数组；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：
>&燃气轮机&燃气轮机；np.unique（df['Col1'，'Col2']].值）
数组（['Bill'，'Bob'，'Joe'，'Mary'，'Steve']，dtype=object）
这里不需要使用ravel（），因为该方法处理多维数组。即使如此，这可能比pd.unique慢，因为它使用基于排序的算法而不是哈希表来识别唯一值
对于较大的数据帧，速度上的差异非常显著（特别是在只有少数唯一值的情况下）：
>&燃气轮机&燃气轮机；df1=pd.concat（[df]*100000，忽略_index=True）#具有500000行的数据帧
&燃气轮机&燃气轮机>；%timeit np.unique（df1[['Col1'，'Col2']]值）
1圈，最佳3圈：每圈1.12秒
&燃气轮机&燃气轮机>；%timeit pd.unique（df1[['Col1'，'Col2']].values.ravel（'K'））
10个环路，最佳3个：每个环路38.9毫秒
&燃气轮机&燃气轮机>；%timeit pd.unique（df1[['Col1'，'Col2']].values.ravel（））#使用C顺序进行ravel
10个回路，最佳3个：每个回路49.9毫秒