import numpy as np
a = [1,5,4,2,3,3,5]
# 返回一個(gè)array
print(np.unique(a))
# [1 2 3 4 5]
 
# 返回該元素在list中第一次出現(xiàn)的索引
print(np.unique(a,return_index=True))
# (array([1, 2, 3, 4, 5]), array([0, 3, 4, 2, 1]))
 
# 返回原list中每個(gè)元素在新的list中對(duì)應(yīng)的索引
print(np.unique(a,return_inverse=True))
# (array([1, 2, 3, 4, 5]), array([0, 4, 3, 1, 2, 2, 4]))
 
# 返回該元素在list中出現(xiàn)的次數(shù)
print(np.unique(a,return_counts=True))
# (array([1, 2, 3, 4, 5]), array([1, 1, 2, 1, 2]))
 
# 當(dāng)加參數(shù)時(shí)，unique()返回的是一個(gè)tuple,這里利用了tuple的性質(zhì)，即有多少個(gè)元素即可賦值給對(duì)應(yīng)的多少個(gè)變量
p,q,m,n = np.unique(a,return_index=True,return_inverse=True,return_counts=True)
print(p,q,m,n)
# [1 2 3 4 5] [0 3 4 2 1] [0 4 3 1 2 2 4] [1 1 2 1 2]
 
# 注意當(dāng)list中的元素不是數(shù)字而是list的時(shí)候,輸出的數(shù)據(jù)類型與list中元素的長(zhǎng)度有關(guān)
# 利用這種方法對(duì)list中元素去重或求里面元素的個(gè)數(shù)都不是好方法，很容易出錯(cuò)　

import pandas as pd
se = pd.Series([1,3,4,5,2,2,3])
print(se.unique())
# [1 3 4 5 2]

df=pd.DataFrame({'A':[0,1,1],'B':[0,5,6]})
print(df)
print(df.nunique())
#    A  B
# 0  0  0
# 1  1  5
# 2  1  6
# A    2
# B    3
# dtype: int64

all_user_repay = all_user_repay.groupby(['user_id'])['listing_id'].agg(['nunique']).reset_index()
#    user_id  nunique
# 0       40        1
# 1       56        1
# 2       98        1
# 3      103        1
# 4      122        1