最快代码

对于大 Dataframe ：

df['A'].drop_duplicates().sort_values()

我更喜欢oneliner：

print(sorted(df['Column Name'].unique()))

我建议使用numpy的sort，因为pandas在后台就是这么做的：

import numpy as np
np.sort(df.A.unique())

但在Pandas中做所有的事情也是有效的。

另一种方法是使用***set***数据类型。

**Sets 的一些特性：**Sets是无序的，可以包含混合数据类型，集合中的元素不能重复，是可变的。

解决您的问题：

df = pd.DataFrame({'A':[1,1,3,2,6,2,8]})
sorted(set(df.A))

列表类型答案：

[1, 2, 3, 6, 8]

奇怪的是没有人提出这个建议：

df['A'].sort_values().unique()

sorted(iterable)：从 iterable 中的项目返回一个新的排序列表。

代码

import pandas as pd
df = pd.DataFrame({'A':[1,1,3,2,6,2,8]})
a = df['A'].unique()
print(sorted(a))

输出

[1, 2, 3, 6, 8]

sort原地排序，所以不返回任何内容：

In [54]:
df = pd.DataFrame({'A':[1,1,3,2,6,2,8]})
a = df['A'].unique()
a.sort()
a

Out[54]:
array([1, 2, 3, 6, 8], dtype=int64)

因此，在调用sort之后，必须再次调用print a。
例如：

In [55]:
df = pd.DataFrame({'A':[1,1,3,2,6,2,8]})
a = df['A'].unique()
a.sort()
print(a)

[1 2 3 6 8]

您还可以使用drop_duplicates（）代替unique（）

df = pd.DataFrame({'A':[1,1,3,2,6,2,8]})
a = df['A'].drop_duplicates()
a.sort()
print a

今天我自己也遇到了这个问题。我认为你的代码返回'None'（和我用同样的方法得到的结果一样）的原因是

a.sort()

调用sort函数来改变列表a。在我的理解中，这是一个修改命令。要查看结果，必须使用print（a）。
我的解决方案，当我试图把所有东西都保存在pandas中时：

pd.Series(df['A'].unique()).sort_values()