在pandas里面常用用value_counts确认数据出现的频率。
一、对Series使用
ss = Series.values_count()
注意这里返回的就是Series
In[2]: import numpy as np
...: import pandas as pd
...: from pandas import DataFrame
...: from pandas import Series
...: ss = Series(['Tokyo', 'Nagoya', 'Nagoya', 'Osaka', 'Tokyo', 'Tokyo'])
...: ss.value_counts() #value_counts 直接用来计算series里面相同数据出现的频率
Out[2]:
Tokyo 3
Nagoya 2
Osaka 1
dtype: int64
二、对DataFrame使用
df = DataFrame.apply(pd.value_counts)
这里使用了apply方法,最后返回赋值给df的也是DataFrame类型
series = DataFrame(colName).value_counts()
这里对具体列操作,最后返回赋值给series的是Series类型
In[2]: import numpy as np
...: import pandas as pd
...: from pandas import DataFrame
...: from pandas import Series
...: df=DataFrame({'a':['Tokyo','Osaka','Nagoya','Osaka','Tokyo','Tokyo'],'b':['Osaka','Osaka','Osaka','Tokyo','Tokyo','Tokyo']}) #DataFrame用来输入两列数据,同时value_counts将每列中相同的数据频率计算出来
...: print(df)
Backend TkAgg is interactive backend. Turning interactive mode on.
a b
0 Tokyo Osaka
1 Osaka Osaka
2 Nagoya Osaka
3 Osaka Tokyo
4 Tokyo Tokyo
5 Tokyo Tokyo
In[3]: df.apply(pd.value_counts)
Out[3]:
0
Tokyo 3
Nagoya 2
Osaka 1
In[4]: type(df.apply(pd.value_counts))
Out[4]: pandas.core.series.Series
三、要升序排列,可以加参数 ascending=True(默认为False,即降序)
1、对Series
In[5]: ss.value_counts(ascending=True)
Out[5]:
Osaka 1
Nagoya 2
Tokyo 3
dtype: int64
2、对DataFrame
In[6]: df.apply(pd.value_counts, ascending=True)
Out[6]:
a b
Nagoya 1 NaN
Osaka 2 3.0
Tokyo 3 3.0
Name: a, dtype: int64
四、要归一化,即计算各个占比,可以加参数normalize=True(默认为False)
1、对Series
In[7]: ss.value_counts(ascending=True, normalize=True)
Out[7]:
Osaka 0.166667
Nagoya 0.333333
Tokyo 0.500000
dtype: float64
或者直接对值进行简单运算也可,可参考《Pandas.Series的加减乘除数学运算》
In[12]: ss.value_counts(ascending=True) / 6
Out[12]:
Osaka 0.166667
Nagoya 0.333333
Tokyo 0.500000
dtype: float64
2、对DataFrame
In[8]: df.apply(pd.value_counts, ascending=True, normalize=True)
Out[8]:
a b
Nagoya 0.166667 NaN
Osaka 0.333333 0.5
Tokyo 0.500000 0.5
五、还有一些其他参数,待续
参考博文:
《value_counts计算DataFrame,Series的数据频率》
《Python3 pandas (6)计数value_counts()》