Python pandas.Index.value_counts用法及代碼示例

用法: Index.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

返回一個包含唯一值計數的係列。

結果對象將按降序排列，因此第一個元素是最多的 frequently-occurring 元素。默認情況下排除 NA 值。

normalize：布爾值，默認為 False

如果為 True，則返回的對象將包含唯一值的相對頻率。

sort：布爾值，默認為真

按頻率排序。

ascending：布爾值，默認為 False

按升序排列。

bins：整數，可選

與其計數值，不如將它們分組到半開箱中，這對 pd.cut 很方便，僅適用於數字數據。

dropna：布爾值，默認為真

不包括 NaN 的計數。

>>> index = pd.Index([3, 1, 2, 3, 4, np.nan])
>>> index.value_counts()
3.0    2
1.0    1
2.0    1
4.0    1
dtype:int64

將 normalize 設置為 True 時，通過將所有值除以值的總和來返回相對頻率。

>>> s = pd.Series([3, 1, 2, 3, 4, np.nan])
>>> s.value_counts(normalize=True)
3.0    0.4
1.0    0.2
2.0    0.2
4.0    0.2
dtype:float64

箱子

箱對於從連續變量到分類變量很有用；而不是計算值的唯一幻影，而是將索引劃分為指定數量的半開箱。

>>> s.value_counts(bins=3)
(0.996, 2.0]    2
(2.0, 3.0]      2
(3.0, 4.0]      1
dtype:int64

dropna

將 dropna 設置為 False 我們還可以看到 NaN 索引值。

>>> s.value_counts(dropna=False)
3.0    2
1.0    1
2.0    1
4.0    1
NaN    1
dtype:int64

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.Index.value_counts。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。