DataFrame没有该方法;数据框中的列执行以下操作：

df['A'].unique()

或者，要获取带有观测数的名称（使用closedloop提供的DataFrame）：

>>> df.groupby('person').person.count()
Out[80]: 
person
0         2
1         3
Name: person, dtype: int64

使用df.drop_duplicates()函数有选择地删除重复项，而不是在透视表处理过程中删除重复项。
例如，如果您使用index='c0'和columns='c1'进行透视，那么这个简单的步骤就会产生正确的计数。
在本例中，第5行是第4行的副本（忽略未透视的c2列

import pandas as pd
data = {'c0':[0,1,0,1,1], 'c1':[0,0,1,1,1], 'person':[0,0,1,1,1], 'c_other':[1,2,3,4,5]}
df = pd.DataFrame(data)
df2 = df.drop_duplicates(subset=['c0','c1','person'])
pd.pivot_table(df2, index='c0',columns='c1',values='person', aggfunc='count')

这将正确输出

c1  0  1
c0      
0   1  1
1   1  1

从DF中获取〉1列的唯一组合的一个非常简单的解决方案如下：

unique_A_B_combos = df[['A', 'B']].value_counts().index.values

df[['col1', 'col2']].nunique()

尝试使用此函数而不是单独函数

如果您只想知道存在于整个DataFrame（包括所有列）中的唯一值，您可以用途：

import numpy as np

...

np.unique(df.values)